определенный процесс = пошаговое определение совокупности

реклама
УДК 681.3
А. Ф. Манако
Системные аспекты моделирования целенаправленного развития
инновационных информационных технологий «учебные объекты»
Описаны постановка общей задачи, системные конструктивы (модели, методы) МАНОК/S,
МАНОК/S-система и ее функциональная архитектура, примеры их интерпретации.
A formal description of the generalized task. system constructives (models and methods) MANOK/S, …
MANOK/S- system and its functional architecture, as well as examples of their interpretations are given.
Описано постановку загальної задачі, системні конструктиви (моделі, методи) МАНОК/S,
МАНОК/S-систему та її функціональну архітектуру, приклади їх інтерпретації..
Введение. Еще на ранней стадии развития обучения на базе компьютеров (CBI) и
интеллектуальных обучающих систем (ITS) Р. Джерард предложил концептуальную идею
(КИ-Джерарда): „Единицы обучения нужно производить более малыми и комбинировать
их (подобно тому как комбинируются компоненты конструкций в стандартизированных
конструкторских наборах) в большое разнообразие специфических программ обучения,
приспособленных к каждому обучаемому” [1]. Однако только на рубеже ХХ-ХХI веков
практическая ценность КИ-Джерарда стала общепризнанной. В частности, в статье
"Пионеры учебных объектов" (2001) Том Баррон, редактор ведущего в мире журнала по
электронному обучению Learning Circuits, отметил: "Новая модель для е-обучения
становится реальностью. Согласно этой модели учебный контент освобождается от
промежуточных ’коитейнеров’, будет потоком между различными системами, может
смешиваться, многоразово использоваться и, одновременно, обновляться. В центре новой
модели – учебный объект (УО; LO) – конструктив, ’строительный блок’, использование
которого позволяет реализовать такой динамический подход к управлению контентом еобучения”.
Общая
проблема
опережающего,
состоит
в
целенаправленного
том,
что
развития
огромный
потенциал
инновационных
ускоренного,
информационных
технологий УО (ИТОУ) в Украине да и вне ее пространства пока что широкомасштабно
не реализуется [2-4]. Пусть S = <целенаправленное развитие инновационных ИТУО> –
динамический объект (сложная система), основной принцип развития которого – создание
нового знания многоразового использования. Тогда актуальная новая проблема и
направление исследований – „Как лучше определять и поддерживать S? (в условиях
1
построения информационного общества, экономики знаний)” [3-6]. В [7] описан общий
подход к моделированию S. В статье описаны системные аспекты моделирования S.
Постановка общей задачи. В частности в [3-7] описано:
(1) Триаду киберпространств на S:
S ≈ <eldS, ldS, dS>
(1)
(2) МАНОК/S (укр. аббр. = Модель Агрегатування НавчальноОрієнтованого Контенту = Каркас опорных частичных моделей и методов /ОЧМ, MODi/):
MOD ≈ <<S>, <MODi>, ..…>, (MODi
<S>)
(2)
(3-4) Модели глобальных и частичных состояний (см. Высокого уровня модель
(ВУМ) МАНОК-семантик [4], интегрированную с ВУМ-DC-INDECS-DOI-семантик):
<MOD> = <<аMOD>, <ваMOD>, <мваMOD>, <эмваMOD>>
(3)
<MODi> = <<аMODi>, <ваMODi>, <мваMODi>, <эмваMODi>>
(4)
где: <> – обозначает комбинацию содержимого; ≈ – означает „на нем”; <S> – класс
объектов (RDF-ресурсов), которые можно моделировать на S; MODi – классы ОЧМ на
<S>; ..… – то, что целесообразно идентифицировать и/или дополнять до MOD; эмва
–
состояния «экземпляр, манифестация (ва), выражение (а), абстракция» MOD, MODi [4];
Определение 1:
dS = ц-киберпространство = пространство, которое обеспечивает
цифровые возможности и которое можно использовать для решения задач группы и
организации ее взаимодействий с агрегированием объектов контента при помощи логично
связанных сетей, сред и систем; Определение 2: ldS = уок-киберпространство = dS,
которое можно использовать для дистанционного образования и непрерывной учебы;
Определение 3: eldS = экспедиционное ldS
= ldS, которое оценивается степенью
использования прототипов инновационных агрегирований уок-объектов; уок = учебноориентированный контент [4].
В соответствии с КИ-МАНОК = <оптимизировать S в форме определенного
процесса (ОП, DP)> [3-7] и с учетом (1-4) постановка общей задачи имеет вид:
DP/SS: КИ-МАНОК → МАНОК/S → МАНОК/SS → FA-М/SS
(5)
где DP/SS – DP, имеющий входной элемент КИ-МАНОК (МАНОК/S ...) и выходные
элементы – МАНОК/SS и FA-М/SS – формальное описание МАНОК/S-системы и ее
эталонной функциональной архитектуры.
Примеры описаний других существенных входных элементов DP/SS (см. общее
определение DP, например, в [3]; см. также анализ других примеров в [2]):
1). Концептуальные идеи, цели (КИЦ): КИ академика В.М. Глушкова, КИЦ-Бланка,
КИЦ-Джерарда, КИ Б. Дервин, КИЦ-SW (Семантического Веба, RDF), КИ-Нонака [7]:
2). Задачи (связанные, в частности, со сложностью понимания S, МАНОК/SS)
2
2.1. Известная с середины 50-годов ХХ века «междисциплинарная проблема
сложности понимания людей и их технологично-возможных сред (в т.ч. в сфере ИТ для
учебы, образования и тренировки)» [8, 9].
2.2. «Неопределенность понятий является одним из ключевых вопросов при
проектировании информационных систем ... Контекст, метаданные, онтологии и время
– ключевые вопросы в информационном моделированиии” [10].
2.3. „Поскольку мы двигаемся к обществу знаний, то изменяется наше понимание –
Что такое учеба, где, как и для каких целей она проводится? … характер учебы, жизни и
труда быстро изменяется и поэтому не только люди должны адаптироваться к
изменениям, но и традиционные способы ведения дел также должны изменяться" [11].
2.4. "Определение и понимание учебных объектов является вызовом--проблемой,
поскольку их необходимо рассматривать в контексте общей концептуальной модели,
которая базируется на иерархии объектов гранулированного контента" [12].
Постановки
задач,
связанных
с
(5).
Общий
подход
(DP,
методы)
к
моделированию S [7] и решению задачи (5) базируется на применении информационного
подхода, т.е. на применении МАНОК/S. Они необходимы для распознавания, понимания,
организации, прогнозирования и вывода на контенте, а также для овладения ролью и
функциями компонент S, т.е. и МАНОК/SS и FA-М/SS (см. также [8]). Поэтому для
решения общей задачи (5) целесообразно пошагово осуществлять:
(5а). Дополнение МАНОК/S системными конструктивами (далее SКM – SКметоды/модели), применение которых более эффективно представляет системные аспекты
«овладения ролью и функциями компонент МАНОК/SS». Далее в МАНОК/S (сокр. М/S)
вводятся следующие SКM:
(2.0) SКM «М/S(): М/S()-задача»
(2.1) SКM «М/S: Форма-Содержание»
(2.2) SКM «М/S: Конструктор ’Агрегатор-Генератор-Анализатор’»
(2.3) SКM «М/S: Концепты»
(2.4) SКM «М/S: Онтологии»
(2.5) SКM «М/S: Реестр метаданных /РМД, RMD/»
(2.6) SКM «М/S: Лексикографическая модель данных /LMD/»
(2.7) SКM «М/S: Фракталы»
(2.8) SКM «М/S: Нейронные сети»
(2.9) SКM «М/S: Электронные Повествования (Digital Narratives/Storytelling)»
3
(5б). На базе (1-4) и М/S, дополненной SКM (5а), формально описать М/SS и ее
эталонную функциональную архитектуру как. минимальную формальную структуру
DP/сервисов высокого уровня (далее – FA-МАНОК/SS или FA-М/SS).
Далее кратко описаны SКM (2.0-2.9), М/SS, FA-М/SS с примерами их
содержательной интерпретации (Прим. Вставки [=…] в примерах – наши).
Описание
SКM.
Введение,
формализация
и
систематизация
М/S()-задач
осуществляется методом (2.01) <Абстракция-Реализация (Абстракции) Идей> пошагово:
Шаг М/S(М/SS; FA-М/SS)-абстракция. Ключевые понятия общей постановки М/S()задач вводятся при помощи формализации, исходя из вербального описания ключевых
идей / понятий и с использованием минимальной формальной структуры – М/S()-базиса.
При дальнейших шагах к М/S()-базису добавляются или уточняются результаты
формализации релевантных ключевых идей / понятий одной или более теорий.
Шаг М/S()-реализация (М/S()-абстракции). Результаты выполнения предыдущих
шагов применяются для решения М/S()-задач. Например, в реальном мире, для
проектирования, разработки, тестирования, совершенствования и, вообще, в границах
жизненного цикла (ЖЦ) реализаций М/S() или их компонент.
Пример вербального описания SKMов на базе КИ-Джерарда. „Единицы обучения
нужно производить более малыми [=U(S), цель] и комбинировать их [=<МA(M(U(S))),
МG(M(U(S))), МAG(M(U(S)))>] в большое разнообразие специфических программ
обучения [=M(U(S)], приспособленных [=цель] к каждому обучаемому [=Γ]”
где:
U(S) - класс элементарных информационно-дидактических единиц (ЭИДЕ) на S;
M(U(S)) - результаты целенаправленных взаимодействий Γ с комбинациями U(S);
Γ-
группа в Определении 1 = группа людей /ΓH/, программных агентов /ΓA/
= группа ролей ΓH/ΓA из формального словаря ролей VOC(Γroles);
МA(M(U(S))) – «М/S: Анализатор M(U(S))»
МG(M(U(S))) – «М/S: Генератор M(U(S))»
МAG(M(U(S))) – «М/S: Агрегатор M(U(S))»
Формальное описание понятий М/S-базиса на базе КИ-Джерарда:
Γ
<U(S)>
<M(U(S))>
(6)
Опорные U(S), обозначенные как U0(S), определяются процедурой :
: U0(S)
Тройку (U(S), U0(S),
U(S), U0(S)
U(S)
(7)
) также отождествляем с классом ЭИДЕ и используем это
обозначение вместе с U(S), U0(S) как эквиваленты, считая, что порождающая процедура
4
определена и понятна из контекста. Пример целесообразности введения
– поддержка
использования эквивалентных многоязычных U(S).
Пример
интерпретации
компонентов
Γ,
U(S),
M(U(S),
<МA(M(U(S))),
МG(M(U(S))), МAG(M(U(S)))>. В [13] описан и рассмотрен типовой учебный контекст
(ситуація): "Когда учителя [=Γ] впервые получают учебные материалы [=M(U(S)], то они
часто разбивают их на составляющие части [=МA(M(U(S)))] и в дальнейшем собирают
разными способами [=<МA(M(U(S))), МG(M(U(S))), МAG(M(U(S)))>], чтобы поддержать
свои индивидуальные учебные цели. Отмеченное подсказывает одну из причин того, что
именно ориентация на многоразовое использование учебных
компонентов может быть
выгодной и полезной с дидактической точки зрения”.
SKM (2.1-2.2). Для формализации M(U(S)) целесообразно применять в первую
очередь SKM, оперирующие со свойствами универсального характера на S – «формасодержание» (далее обозначено
F и C) и „Анализатор, Генератор, Агрегатор”, т.е.
<МA(M(U(S))), МG(M(U(S))), МAG(M(U(S)))>.
В частности, применение только этих
SKMов обеспечивает получение формальных описаний процесса (6) с использованием
двух «подобных» системных конструктивов – диаграмм вида (8) и (9):
M(U(S))
F
MF(U(S))
H
С
…
MC(U(S))
(8)
…
где: M, MF, MC –комплексы описаний «М/S: Форма-Содержание»;
F, С, H – комплексы отношений (отображений) между М, MF, MC;
FM(U(S))
H F
MF(U(S)); СM(U(S))
MC(U(S));
С, где « » - композиция отношений (операторов, отображений).
MAG(U(S))
A(MG)
(9)
MG(U(S))
MA(U(S))
...
5
...
…
Пример RDF-интерпретации компонентов (8-9). Тройки (M, F, MF), (MAG, A(MG),
MG) интерпретируются как тройки (Subject, Property, Value) RDF-описания.
Пример интерпретации компонентов (8). Пусть М – это учебные материалы
учебного курса, темы и т. п. Тогда в М должно быть:
-
содержание М – MC(U(S)) – понятия, принципы и др. предметной области (ПрО).
Онтологии ПрО используются, например, для поддержки семантического поиска;
-
форма представления М – MF. Например, в онтологиях дидактического контекста
необходимо специфицировать контекстные ЭИДЕ: вступление, анализ темы,
дискуссия по теме, контексты презентации – пример, изображение;
-
структурные отношения H между MF, MC. В структурных онтологиях
специфицируют „грамматические” правила комбинирования персонализированных
единиц.
Примеры
ЭИДЕ:
следующий,
предыдущий,
отношення
ispartof,
haspart, isversionof, hasversion, isformatof, hasformat, references, isreferencedby,
isbasedon, isbasisfor, requires, isrequiredby ispartof, isbasedon из LOMv.1.0 [14].
Пример
интерпретации
компонентов
(9).
В
международном
глоссарии
„Обучаемость” (www.learnativity.com) представлено определение: LO = коллекция
информационных объектов [=U(S)], агрегирование [=A(MG)] которой осуществляется при
помощи метаданных [=MAG(U(S))], что позволяет учитывать личные предпочтения и
потребности индивидуального ученика [=ΓLearner]. Многочисленные LO [=MG(U(S)),
MA(U(S))] могут группироваться один с другими в большие агрегирования и гнездоваться
в границах агрегирований [=MAG(U(S))], формируя их неограниченное разнообразие и
размер [=M(U(S))]. Поэтому, обычно, эта коллекция является специфицированной
иерархией группирований объектов [= (8-9), (2,3)].
Пример интерпретации компонентов (8-9). В международном стандарте LOMv.1.0
(Метаданные LO) [14]: «Элемент АгрегированияУровень: Функциональная гранулярность
этого
LO
имеет
следующее
пространство
значений:
1:
наименьший
уровень
агрегирования, т.е. данные неструктурированного медиа или фрагменты; 2: коллекция LO
уровня 1, т.е. урок. 3: коллекция LO уровня 2, т.е., курс. 4: наивысший уровень
гранулярности, т.е., семейство курсов, которые ведут к сертификации». В реальной
практике этих уровней/подуровней требуется гораздо больше. В частности, в LOMv.1.0
нет Элементов, которые позволяют связать LO с дидактическими теориями, например,
Блума (6 уровней), Гагне (9 уровней) [2]. И наоборот, использование (8-9) позволяет
комбинировать LO на базе дидактических теорий. В распределенных средах также особую
актуальность и ценность имеет обеспечение агрегирования не столько по «вертикали»
сколько по «горизонтали, on fly» [2], например на одном уровне агрегирования.
6
Прим. – В LOMv.1.0 определено: «LO = любая сущность, цифровая и не цифровая,
которая может быть использована для учебы, образования и тренировки». Хотя в рабочих
спецификациях LOM.1.0 по сфере его применения записано – …[применение LOM] дает
возможность
компъютерным
агентам
автоматически
и
динамично
собирать
персонализованные единицы учебы [=MAG(U(S))], для индивидуального ученика ."
SКM M/S()-задачи класса ZQ. Применение SKMов (8-9) требует формализации
M/S()-задач и конструктивов для упорядочения иерархий, в частности, (2.3). Рассмотрим
следующий пример (см. табл.. 1).
Табл. 1 Пример представления диаграмм типа (8) триадой (O, M, P).
Объекты
(Оi)
Свойства объектов (ассоциированные Мj – метаданные и Рij – предикаты)
М_0
M_1
Р11 =1
Ins_1
Ins_2
Ins_3
Ins_4
1
1
1
1
1
1
1
1
1
1
1
1
Р35 =∆
1
1
1
∆
1
MF_02
1
1
∆
1
MC_02
1
1
∆
1
MF_0
MF_01
MC_01
1
MC_0
Р41=0
M-2
MF /МС – см. (8); М_? – уровни агрегации; Ins_? – кол-во экземпляров MF /МС.
Итак, в некотором состоянии результаты процесса (6) и подпроцесса (8) частично
представлены в табличной форме в виде триады (O, M, P), где: О = {O} – комплекс
объектов (точнее, информационного представления ресурса), М = {M} – комплекс
метаданных (данных о свойствах О), Р = {P} – комплекс предикатов, ассоциированных с
(O, M). Запись Рij =1 означает, например, что в результате выполнения некоторой
процедуры Π (греч. буква), установлено: объект Оi имеет свойство (свойства), которое
представлено метаданными Мj. Если Рij = 0 (т.е. пустые клетки) то „Оi не имеет свойства
...”. Процедура (оператор, алгоритм, процесс, ...) Π может исполняться (вычисляться)
людьми ΓH и/или автоматически ΓA. Запись типа Рij = ∆ означает (см. Ins_2): процедура Π
не может вичислить Рij. Например, Р35 =∆, поскольку состояние МС в (8) = <ваMODi> –
’не доступен’ – см. (3-4).
Вербальное описание постановки ZQ: (в контексте Q) По комплексу метаданных М
для комплекса объектов О вычислить значения комплекса предикатов P. Формально ZQ:
ZQ = ZQ(O, M, ?P)
(Если Pj (Oi) = “Oi
Kj”,
(10)
 Kj = {O}, то это задача классификации.)
j
7
Решить ZQ(O, M, ?P) означает построить процедуру (оператор, алгоритм, процесс,
...), который вычисляет предикаты:
ΠQ(O, M, ?P) = ||αij||,
(часто αij = {Pj (Oi), ∆}
(11)
где: ∆ означает, что ΠQ не вичислила предикат и он считается некорректным. Если создан
комплекс процедур ΠQ = {ΠQ(O, M, ?P)}, то ZQ(O, M, ?P) трансформируется в ZQ(O, M, ?P,
ΠQ) – задачу выбора процедуры при определенных условиях (например, выбор алгоритма,
который доставляет экстремум некоторой функции качества). В состав комплекса ΠQ
обычно
входят
алгоритмы,
которые
генерируют
или
вычисляют
метаданные
(специализации алгоритмов).
Формальный конструктив (10) и его представления в табличной форме просты в
использовании, достаточно обобщены и эффективны. Примеры специализаций объектов и
метаданных: целевые (отвечают предикатам) объекты / метаданные, нормативные (обачно
застандартизированные),
информационные
(описуют
объекты),
вычислимые
(представляют промежуточные результаты вычислений).
Тройки (O, M, P) „подобны” RDF-тройкам: (Subject, Property, Value) = (объект,
свойство, значение). Тройка (O, M, P)
сама по себе может быть и объектом и/или
значением. Значение может быть строкой или ресурсом. Объект и значение
рассматриваются как вершины графа, а свойства как его ребра. Итак, в (O, M, P): M
может быть и свойством и значением и парой (свойство, значение), и, вообще,
представлением объекта, который может быть и триадой.
Для формализации задачи отслеживания, анализа, сравнения результатов ||α ij|| и
общей поддержки вычислений ||αij|| в контексте (2) на (O, M, P) вводится линейное
пространство операторов Ă относительно операций добавления, умножения на скаляр,
умножения этих операторов. Также вводятся разные метрики, в т.ч. евклидова.
Примеры ZQ. Примеры ZQ представлены в Таблице 2.
Таблица 2 – Примеры ZQ (Знак * - означает набор компонентов).
Формализация Z
Вербальное описание Z
Z(O*, M*, ?P*)
По М* для О* вычислить значения P.
Z(?{O}, α*, P*)
Среди {O} найти объекты с заданными значениями α* в P*.
Z(?O*,P*1,?P*2, α*) Cреди {O} найти объекты с заданными значениями α*. предикатов P*1
и вычислить их значения предикатов P*2.
Z(?{O}, {M},α*,P*) По {M} среди {O} найти объекты с заданными значениями α* в P*.
Z(?{O}, M, P*1,
По {M} среди {O} найти объекты с заданными значениями α*.
?P*2, α*)
предикатов P*1 и вычислить их значения предикатов P*2.
Пример алгоритма вычисления свойств и оценок см. в [15].
8
SКM «М/S: Концепты».
В реальных условиях нужно формально определять и
использовать разные упорядочения конструктивов (1-5) в виде иерархических структур.
Эти структуры возможно и не будут наилучшими в некотором контексте, но решающим
является то, что людям их значительно проще понимать и использовать. Кстати, простое
описание ресурсов – главная цель разработчиков комплекта метаданных Dublin Core.
Рассмотрим конструктив ΚQ(O, M, P) – комплекс концептов триад (где Κ - греч.
Q
буква). В примерах Z (см. табл. 2) типовые компоненты – вычисления (12) – (13):
Для заданного набора M* из M, вычислить весь O* с M*. (См. также табл. 1 в случае
когда до O добавляются новые объекты или M+ = {М_1, Ins_1, Ins_3). Формальная запись с
использованием оператора вывода:
B
M → B+ = {o
O | (o, m)
(O, M, P)
m
B}
(12)
Этот оператор вывода вычисляется для установления соответствия между набором
метаданных B и набором всех объектов из O, которые содержат все метаданные B).
Для заданного набора O+ вычислить набор всех M, которые являются общими для
O+. (См. также табл. 1 когда O+ = {MF_0, MF_01, MC_01}). Формальная запись с
использованием оператора вывода:
A
O → A+ = {m
M | (o, m)
(O, M, P)
o
A}
(13)
Этот оператор вывода вычисляется для установления соответствия между набором
объектов A и набором всех метаданных, которые есть у каждого объекта A.
Применение операторов вывода (12-13) дважды – из О в М и из М в О, т.е. A++, и
наоборот, т.е., B++ – позволяет вычислять замыкание операторов (12-13) на (O, M, P).
Определения. Концепт на (O, M, P) – это пара (A, B), где A
O, B
M и A+ = B,
B+ = A, A – объем концепта, B – содержание концепта. На ΚQ(O, M, P) определяется ≤отношение подконцепт–надконцепт с частичным иерархическим порядком:
(A1, B1) ≤ (A2, B2)
A1
A2 (
B2
B1)
(14)
Класс всех концептов ΚQ(O, M, P), которые ≤-упорядочено
(как и в теории
решеток) называется решеткой концептов – G(O, M, P). Фильтром элемента a
P) называется комплекс {x
G(O, M,
G(O, M, P) | a ≤ x}. Смысл применения G(O, M, P) простой
– дать возможность холистично, пошагово определять, анализировать, синтезировать и
оценивать иерархии комбинаций из (5-9). (См. также далее Пример интерпретации (17)).
SКM «М/S: РМД /RMD/». В соответствии с ISO/IEC 11179 [16]– „РМД касается
семантик данных, представления данных и регистрации описаний этих данных. РМД
управляет семантикой данных. Понимание данных является фундаментальным для их
проектирования, гармонизации, использования, многоразового использования и обмена.
9
Базовая модель для РМД проектируется для того чтобы охватить все базовые компоненты
семантики метаданных, независимо от любого применения или области темы, предмета...
РМД применяется для формулирования представлений данных, понятий, смыслов и
отношений между ними так, чтобы они совместно использовались между людьми и
машинами не зависимо от организации, которая произвела данные”.
Определение РМД – “Информационная система для регистрации метаданных”.
Примеры
зарегистрированных
администрированных
РМД:
глоссарий,
классификация, таксономия, формальный словарь (vocabulary), онтология.
Метамодель РМД адаптирована как ДСТУ (с участием автора этой статьи) и
формально описана на UML. В контексте исполнения шагов <М/S()-абстракция – М/S()реализация> это означает, во-первых, что SКM «М/S: РМД» – абстракция нижнего уровня
для Метамодели РМД, во-вторых, в SКM есть расширения, специфические для М/S().
(См. также описание FA-М/SS).
SКM «М/S: LMD». LMD, которую описано, например, в [17], является М/S()абстракцией более високого уровня для SКM «М/S: LMD».
SКM «М/S: Фракталы». Понятие фрактал (с лат. - дробный) введено Бенуа
Мандельбротом для обозначения нерегулярных самоподобных математических структур.
Пример определения понятия фрактал (Б.Мандельброт, 1977): „фрактал =
структура, состоящая из частей, которые в каком-то смысле самоподобны целому”.
Прим. 1). На Веб: часть фрактала («Новости») содержит информацию обо всем фрактале;
2). Фракталы в природе = «Структуры береговых линий» ( в разных масштабах).
В ключевых выводах фундаментального научного отчета [8] отмечено: "Ключевые
научные данные, открытия отчета получены из исследований людей, которые имеют
развитые специальные знания, компетентность в таких предметах как шахматы, физика,
математика, электроника и история. Мы рассматривали эти примеры не потому что
ожидали, что все школьники станут экспертами в этих или других предметних областях, а
потому что исследования специальных знаний, компетенций показывают, что результаты
успешной учебы являются подобными.” [=шрифт Italic – наш]. А если ’результаты учебы
людей по разным предметам являются «подобными»’, то нужны и соответствующие SКM,
например, чтобы лучше поддерживать формальные структуры в (5-6).
SКM «М/S:
Нейронные сети».
Конструкции
типа (8-9)
с некоторыми
ограничениями на их функционирование интерпретируются как искусственные нейроны.
Пример определения в ISO/IEC 2382-34:2001 [18]:
«искусственный нейрон = Наипростейший элемент обработки нейронной сети с
несколькими входами [=(MF, MC) / (MG, MA)] и одним выходом [=(M(U(S))) / (MAG)],
10
значения выхода которого являются нелинейной функцией линейной комбинации
значений входа с взвешенными коэффициентами. Прим. – 2. Каждый искусственный
нейрон является узлом нейронной сети [= <8, 9>], который кооперируется и
взаимодействует с другими нейронами. Нейронная сеть может также иметь узлы входа,
которые не являются искусственными нейронами [=RMD]”.
SКM (2.9). Теория narratology берет начало от работ лингвиста Де Сосюра (1916) и
изучает многочисленные формы повествовательного дискурса. В. Пропп (V. Propp)
применил (в 1928 г.) методы narratology-анализа для изучения корпуса русских сказок
[=M(U(S))] и доказал, что все они описываются с применением 31 морфологической
функции и 7 «сфер действия» [U(S) =38]. Важно, что уже есть и дидактические теории, в
которых изучается связь между обучением и повествованиями (Narratives/Storytelling),
точнее отношения между обучением людей и способностями повествования (например,
схемами аргументации). Пример. В [19] описано 7 наиболее ценных форм [U(S)=7]
организационного Storytelling [=MF(U(S))].
Описание М/SS и FA-МАНОК/SS. Предложено пошаговое решение задачи (5) с
использованием метода (2.01):
формально описано МАНОК/SS, FA-МАНОК/SS и их
высокого уровня М/S()-реализация. Фундаментом, ’сердцем’ этих разработок была [7]
КИ-Глушкова ’о математизации построения вычислительных машин и их применений’.
Определение МАНОК/SS. Вербальное описание КИ-МАНОК использует понятия S,
DP, где S представлено Определение 1-3. Для решения задачи (5) ключевое понятие: IA –
’инновационное агрегирование уок-объектов’. В соответствии с шагом М/SS-абстракция
минимальная формальная
структура (далее – м.ф.с.) с IA это CD:M/SS – класс
коммутативных диаграмм следующего вида:
IA-dS
φ
IA-eldS
где:
ξ
ψ
(15)
IA-ldS
IA-eldS – формальное описание IA из eldS (т.е. выходной элемент МАНОК/S);
IA-dS, IA-ldS – формальное описание IA соответственно из dS, ldS;
φ, ψ, ξ – отображения (отношения, операторы, связи, DP, …) между этими IA;
ξ º ψ = φ – требование коммутативности каждой диаграммы.
Ясно, что CD:M/SS в целом и требование ξ º ψ = φ отражают понимание родовых
отношений в Определение 3-1, которые важны для решения задачи (5). Более того, если
CD:M/SS – это один из системообразующих элементов M/SS, то есть большой соблазн
11
сразу «найти» в МАНОК/S и второй системообразующий элемент M/SS, например, в ОЧМ
«логическое агрегирование» (т.е. соответствующий IF – клас правил) [3, 6], и таким
образом формально определить абстрактную M/SS.
Однако было еще неясно – Как
формально описать (определить) FA-МАНОК/SS высшего уровня абстракции (точнее, ее
реализацию)?
Примеры для интерпретации CD:M/SS:
– IA-dS в некотором ємва-состоянии не связано з IA-eldS, т.е. порождается только в
dS, например, в глобальной Learning Objects Network (www.learningobjectsnetwork.com).
Следовательно в eldS (МАНОК/S, М/SS) должны отслеживаться,
аккумулироваться,
перекомбинироваться и т. д. все IA-dS / IA-ldS.
– сами по себе IA-ldS могут существенно отличаться по темам и источникам [2].
Или другими словами, в Вебе есть фрактал „Новости в Веб-пространстве”, а на S есть
фрактал „Инновационные LO”.
Определение 4. [Высшего уровня абстракции, HLA – см. метод (2.01)] М/S-система
(М/SS) формально задается следующим образом:
4.1. М/SS – это суперкласс с двумя заданными класами ClassD, ClassMr :
4.1.1. ClassD - класс объектов D, каждый D является членом класса CD:M/SS.
4.1.2. ClassMr - класс морфизмов D1 в D2 для каждой пары объектов (D1, D2) из
ClassD; записи f
При этом:
D2 и D1
ClassMr (D1, D2), f: D1
f:IA-eldSD1
IA-eldSD2; f: IA-ldSD1
D2 являются тождественными.
IA-ldSD2; f:IA-dSD1
IA-dSD2;
f( φD1) = φD2; f(ψD1) =ψD2; f(ξD1) = ξD2 , f(ξD1) f(ψD2) = f(φD1).
4.1.3. Для каждой тройки объектов (D1, D2, D3) из ClassD задано отображение
β: ClassMr (D1, D2)
здесь образ β (f, g) пары (f, g), где f
ClassMr (D2, D3)
ClassMr (D1,D2), g
ClassMr (D1,D3)
ClassMr (D2,D3), обозначается
f g или f g и называется композицией морфизмов f и g.
4.2. ClassD и ClassMr удовлетворяют аксиомам:
4..2.1 Ассоциативность: для каждой тройки морфизмов (f ,g, h) из ClassMr
f
D1
g
D2
h
D3
D4,
f(gh) = (fg)h.
4.2.2. Существование единицы: для каждого D ClassD существует морфизм
1D: D
D, ,1D
ClassD и 1Df = f и g 1D = g для
f ClassD и g ClassD .
4.2.3. Если пары (D1,D2) и (D3,D4) из ClassD являются различными, то пересечение
ClassMr (D1,D2) и ClassMr (D3,D4) является пустым.
12
Прим. к Определению 4. В зависимости от используемой теории или теорий вместо
понятия
морфизм
в
этом определении
допускается
использовать
формально
определенные динамическое отношение, оператор, процесс, сервис и таким образом
„получать” различные классы МАНОК/S-систем.
Определение FA-МАНОК/SS. В соответствии с шагом (2.01) для FA-М/SSабстракция необходимо идентифицировать одно или более релевантное вербальное
описание и далее определить м.ф.с. FA-М/SS.
частности,
следующие
вербальные
Иденгтифицированы и рассмотрены, в
описания:
КИ-МАНОК,
КИ-Нонака
(Модель
„Обучаемость” [9, 2], построенная на основе модели Нонака), КИ-(Edu)SW, LTSA [14].
Поскольку „центр” нашего внимания и усилий – IA на S, то ключевым вопросом, на
который необходимо иметь ясный ответ, является: „Когда могут происходить IA?”. В 1999
году И. Нонака (Ikuiro Nonaka) предложил общую модель динамического создания нового
знания в виде вербального описания взаимодействий-трансформаций между явными
знаниями (explicit knowledge) и неявными знаннями (tacit knowledge)..Формулировка КИНонака: „Инновация может происходить только когда явные и неявные знания
взаимодействуют” (см. также в [7]).
В соответствии с шагом FA-М/SS-абстракция м.ф.с. с <DP/IA> определяется с
использованием CD: FA-M/SS – класса коммутативных диаграмм вида :
L3DP/IA
φ/
SDP/IA
где:
ξ/
ψ/
(16)
ADP/IA
SDP/IA – DP «IA-сервер»; ADP/IA – Authoring DP/IA – Авторский DP для создания
инновационных ИТУО (например, CMS, LCMS, LMS [2] или их компонент, модулей) для
многоразового использования IA; L3DP/IA – DP на континууме L3 = LLL [11] с
поддержкой многоразового использования IA и результатов ADP/IA”;
φ/, ψ/, ξ/
–
отображения (отношения, связи, операторы ...) между этими DP; ξ/ º ψ/ = φ/ – требование
коммутативности каждой диаграммы.
Пример интерпретации (16): DP/IA –
формально описываются, например, на
языках XPDL (XMLProcessDefinitionLanguage; Workflow Management Coalition), BPML
(Business Process Management Initiative, Microsoft), WSFL (Web Services Flow Language,
IBM), EML [5] – для L3DP; SDP/IA – поддерживает аккумуляцию, комбинирование и
многоразовое использование созданных IA; ADP/IA – создание инновационных ИТУО на
базе многоразового использования IA при поддержке SDP/IA; L3DP/IA – L3 с
13
многоразовым использованием IA и с поддержкой от ADP/IA, SDP/IA ; требование ξ/ º ψ/
= φ/ – означает, в частности, что в SDP/IA аккумулировано, перекомбинировано все IA; φ/,
ψ/, ξ/ – реализуются как комбинации <ΓA/IA, RQ/IA, WS/IA>, где RQ – запрос (Request),
связанный с IA, реализуемый посредством механизма запроса XQuery и протокола SOAP;
WS – Веб-сервис, связанный с IA и формально определенный, например, на языке WSDL.
Определение 5. FA-М/SS формально задается аналогично М/SS с использованием
CD: FA-M/SS [вместо CD: M/SS – см. Определение 4].
Следующий шаг – описание высокого уровня FA-М/SS-реализации на базе
Определения 5 [FA-М/SS-абстракции (16)] в виде класса схем (17):
L3DP/-tools
ADP/-tools
<ΓA/, RQ/, WS/>
(17)
IA-Server (XML/RDF-based representation)
Γdm/
Seeker/
Collaboration/
Repository/
WFMgmnt/
Constructor/
Testing/
RMD/
Обозначения в (17): прямоугольник-овал – суперкласс для его классов DP/ ;
/ - сокращенная запись /IA; прямоугольник с пунктиром – класс DP/;
L3DP/, ADP/ и IA-Server = SDP/IA – см. в (16); Testing/ - Тестирование;
Γdm/ - Принятие решений Γ; Seeker/ - Фрактал ’Инновационные LO на S’;
Collaboration/ - Сотрудничество; RMD/ - РМД; Repository/ - Репозитарий;
WFMgmnt/ - Управление потоками работ; Constructor/ - см. (2,2), (9).
Пример интерпретации (17). ADP/-tools, L3DP/-tools – инновационные ИТУО,
которые целенаправленно создаются и многоразово используются при поддержке сетей
IA-серверов. Жирная стрелка –
клас ОЧМ „Динамика агрегирований” М/S (метод
разворачивания динамик в последовательность событий – см. там же) [3]. Testing/ - подход
к оценке уровня зрелости фукнкционирования (разработан на базе ISO 9004-2001 с
использованием концептов М/S и
ZQ : Формальный подход отсутствует, Реактивный
подход, ..., Функционирование ’Наилучшее-в-классе’) [21], оценка-аттестация уровня
зрелости DP ЖЦ ПО и информационных систем в соответствии с ISO/IEC TR 15504CMM. Γdm/ - модель принятия решений Γ [20] и/или подобно Internet Standards Process
(RFC 2026). Collaboration/ - по моделям “Open Source”, по сетям Р2Р-обмена (peer-to-peer).
14
Seeker/ –классы тем високого уровня: „Технологии, Стандарты, Инфраструктуры,
Процессы, Мощности, Культуры, Наилучшая Практика, Бизнес-Модели, Стратегии” [20];
Repository/ - репозитарий открытых спецификаций М/S, доступ к которым осуществляется
по протоколу сбора метаданных Инициативы открытых архивов (Open Archives Initiative
Protocol for Metadata Harvesting, OAI-PMH) в среде p2p. WFMgmnt/ - графовые модели
(XPDL, WSFL), наглядно отражающие древовидную структуру процесса; блочные модели
(BPML,
XLANG),
программирования.
наиболее
Constructor/-
приближенные
к
поддерживает
блочной
структуре
<МA(M(IA(S))),
языков
МG(M(IA(S))),
МAG(M(IA(S)))>, например, с входами от Repository/, RMD/ и обеспечивает свои
выходные элементы комплексами метаданных, которые необходимы,
например, для
обмена через Р2Р-сети. Пример уровней представления IA-сервера – Онтологии (язык –
ОWL), RDF-схемы, Веб-уровень (интерфейс пользователя в HTML).
Прим. – См. в [7] примеры практического применения разработанных автором
подходов, моделей, методов и средств для поддержки S.
Заключение. «Осознавая силу интегрального применения концептуальных идей
академика В. М. Глушкова, Р. Джерарда, И. Нонака, (Edu)SW и др., сегодня основные
наши усилия направлены на разработку инновационных цифровых возможностей для
поддержки интеграции децентрализованных научно-образовательных коммуникаций,
ресурсов и постоянного улучшения МАНОК/S» [7], МАНОК/SS, FA-МАНОК/SS…
1.Gerard, R. W. (1969). Shaping the Mind: Computers In Education. In R. C. Atkinson &
H. A. Wilson, Computer-Assisted Instruction: A Book of Readings. New York:
Academic Press.
2.Манако А.Ф., Манако В.В. Электронное обучение и учебные объекты (укр.) – К.,
ПП "Кажан плюс", 2003. – 334 с.
3.Манако А.Ф. Моделі агрегатування объектів навчального контенту на базі систем
інформаційних і навчальних технологій // Проблеми програмування, Спеціальний
випуск «Труди Четвертої міжнародної науково-практичної конференції з
програмування УкрПРОГ’2004». – 2004. – № 2-3. – С. 587-594.
4.Манако А.Ф. Сетевое общество и учебно-ориентированные технологии для всех. //
Управляющие системы и машины. – 2004. – № 4. – С. 50-58.
5.Манако А.Ф. Информационно-дидактический базис МАНОК/S //УСИМ: 2005, №3.
С. 63-70.
15
6.Манако А.Ф. Моделі агрегатування поняттєвих об’єктів безперервного навчання за
підтримкою
інформаційних
і
телекомунікаційних
технологій/Системні
дослідження та інформаційні технології: 2005, №3. С. 29-37.
7.Манако А.Ф. Підхід до моделювання цілеспрямованого розвитку інноваційних
інформаційних технологій„навчальні об’єкти // Проблеми програмування,
Спеціальний випуск «Матеріали п’ятої
міжнародної науково-практичної
конференції з програмування УкрПРОГ’2006». – 2006. – № 2-3. – С.475-481.
8.How People Learn: Brain, Mind, Experience and School .(1999) / John D. Bransford,
Ann L. Brown, and Rodney R. Cocking, editors ; Committee on Developments in the
Science of Learning, Commission on Behavioral and Social Sciences and Education,
National
Research
Council.
Washington,
D.C.:
National
Academy
Press.
(http://www.nap.edu/html/howpeople1/).
9. Vision Paper "Into the Future". The American Society for Training & Development
(ASTD) and the National Governors’ Association Center for Best Practices (NGA) .
Available: http://www.learnativity.com/download/MP7.PDF
10. Kangassalo, H. and Kawaguchi, E. (eds.). 2002. Proceedings of the 12th EuropeanJapanese Conference on Information Modelling and Knowledge Bases (EJC 2002),
May 27 – 30, 2002, Krippen, Swiss Saxony, Germany. 345 p.
11. A memorandum on life-long learning. Commission staff working paper. Brussels, SEC,
No 1832, 2000. – P. 36.
12. Making Sense of Learning Specifications & Standards: A Decision Maker's Guide to
their Adoption, http://www.masie.com/standards/S3_Guide.pdf
13. Reigeluth, C. M. & Nelson, L. M. (1997). A new paradigm of ISD? In R. C. Branch &
B. B. Minor (Eds.), Educational media and technology yearbook (Vol. 22, pp. 24-35).
Englewood, CO: Libraries Unlimited.
14. ltsc.ieee.org.
15. Иванченко (Манако) А. Ф., Кондратьев А. И.. Логические структуры в
алгоритмах вычисления оценок. – «Кибернетика», 1984, №4, с. 121 – 123.
16. ISO/IEC 11179 (всі частини, 1994-2004), Інформаційна технологія — Реєстри
еметаданих (РМД).
17. Широков В.А. Элементы лексикографии (укр..). – К., Довіра, 2005. – С.301.
18. ISO/IEC 2382-34:2001. INFORMATION TECHNOLOGY.PART 34: ARTIFICIAL
INTELLIGENCE — NEURAL NETWORKS. Terms and definitions .
16
19. Norris, D., Mason, J., & Lefrere, P. (2003). Transforming e-Knowledge. A Revolution
in the Sharing of Knowledge – Society for College and University Planning: Ann
Arbor, USA. – P. 168.
20. Стогний А.А., Иванченко (Манако) А. Ф., Кондратьев А. И. Теоретико-игровая
модель процесса принятия решения в информационно-распознающих системах. –
«Кибернетика», 1983, 6, С. 115 – 117.
21. Манако А.Ф. Информационные ресурсы для непрерывного обучения. //УСИМ:
2002, 4. С.41-49.
17
Скачать