Сравнительный анализ моделей обучаемого

СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ ОБУЧАЕМОГО
Е.Е.Буль
Рижский технический университет, Рига, Латвия
Тел.: (371) 708-95-79, факс: (371) 708-95-71, e-mail: jbule@egle.cs.rtu.lv,
jekaterina@vsmta.lv
Приведены результаты сравнительного анализа существующих моделей обучаемого с
учетом различных факторов. Представлены наиболее распространенные типы моделей.
Описаны параметры, влияющие на эффективность обучающей системы, и показаны
результаты исследований с точки зрения их использования. Предложена структура
комплексной модели студента.
Введение
В настоящее время особое внимание уделяется проблеме индивидуализации компьютерного
обучения. Решение этой проблемы напрямую зависит от различных факторов, в частности,
программы образования, направления, личностных характеристик студента, педагогических
методов и других. Для наиболее эффективной организации всей необходимой информации в
системе компьютерного обучения предлагается использование модели студента. На данный
момент разработано много моделей, которые учитывают характеристики, влияющие на
качественность обучающей системы.
Сравнительный анализ моделей обучаемого
Как известно, модель студента является одной из базовых компонент систем компьютерного
обучения. Она содержит всю необходимую информацию о конкретном студенте: уровень его
знаний, умений и навыков, способность к обучению, способность выполнения заданий (умеет ли
он использовать полученную информацию), личностные характеристики (тип, ориентация) и
другие факторы. Модель обучаемого динамична и изменяется в процессе прохождения курса, в
ходе его работы с системой. Знания о студенте можно получить различными способами,
например, с помощью тестирования или диагностики действий обучаемого в ходе диалога.
На сегодняшний день существует много моделей студента, которые могут быть разделены
на две основные группы: фиксирующие и имитационные [1]. Фиксирующие, в свою очередь,
включают скалярные (представляет уровень знаний, умений и навыков в виде оценки),
покрывающие (векторные и сетевые) и генетические графы (вершины содержат декларативные и
процедурные знания, которые связываются дугами-отношениями). К имитационным можно
отнести модели ограничений, ошибок и фальшправил.
Во время исследований были рассмотрены различные модели студента с целью определения их
типов и выявления самых распространенных из них. В результате было установлено, что на
сегодняшний день наиболее широко используются векторные и сетевые модели обучаемого
(рис. 1). Векторные модели включают такие составляющие, как умения и навыки студента по
конкретным дисциплинам, необходимым для достижения ранее определенной цели [2]. В
сетевых моделях информация о студенте отображается, как правило, с помощью графа знаний,
вершины которого соответствуют квантам учебной информации, а дуги показывают отношения
между ними.
Использование разработанных моделей студента
2%
3%
4%
45%
46%
Скалярные
Векторные
Сетевые
Генетический граф
Имитационные
Рис. 1. Использование разработанных моделей обучаемого
К сожалению, существующие на данный момент модели обучаемого не учитывают всю
информацию о студенте, необходимую для наиболее эффективной организации учебного
процесса.
Модели также были проанализированы с точки зрения используемых параметров, которые
отображают необходимую информацию об обучаемом. Основное внимание было уделено таким
факторам, как:
1. Уровень знаний.
2. Психологические характеристики (тип личности, ориентация и др.).
3. Скорость/стиль обучения (усвоения, изучения).
4. Выполнение заданий.
5. Способность обучения (очень внимательный, средне, мало).
6. Уровень умений и навыков.
7. Метод/стратегия обучения.
8. Структура курса.
Поскольку одна из основных целей обучения – это научить студента использовать
предоставленную информацию для решения конкретных задач или ситуаций, а базой для этого
служат полученные знания, то такой параметр, как "уровень знаний" включен во все модели
студента. С точки зрения усвоения и освоения предметной области не менее важным является
уровень навыков и умений, однако моделей, которые учитывают этот параметр, достаточно мало
(порядка 19% из исследованных). На сегодняшний день часто встречаются сетевые модели,
которые отображают структуру курса. Этот параметр один из наиболее распространенных –
используется приблизительно в 37% систем. Результаты исследований показаны на рис. 2
(столбцы соответствуют ранее перечисленным параметрам).
Параметры моделей обучаемого
120%
100%
100%
80%
60%
37%
31%
40%
19%
20%
12%
12%
3
4
19%
12%
0%
1
2
5
6
7
8
Рис. 2. Использование параметров в моделях обучаемого
Предлагаемая модель обучаемого
Исследования показывают, что на результат учебного процесса влияют различные
характеристики, при этом некоторые из них отображаются при помощи нескольких составляющих
(например, уровень знаний можно разбить по дисциплинам, а также на начальные и текущие
знания). По этой причине структура модели обучаемого не является однотипной, а будет
содержать такие виды, как:
– вектор (текущие знания, опыт, психологические характеристики),
– граф или сеть (структура курса),
– скаляр (стратегия, метод обучения).
Графически такую модель обучаемого можно отобразить, как показано на рис. 3.
Модель
студента
Начальные знания
вектор
или
граф
(необходимые
дисциплины и результат их изучения)
Текущие знания
вектор
(выполнение
заданий,
попытки,
помощь, уровень знаний, скорость и др.)
Психологические
характеристики
Опыт
Структура курса
Стратегия
обучения
вектор (тип личности, тип памяти, ориентация
(цель), внимательность и др.)
вектор (работа с компьютером, с системами
дистанционного обучения…)
граф, семантическая сеть
знания и связи между ними)
(необходимые
скаляр (используемая на момент обучения
стратегия)
Рис. 3. Структура комплексной модели обучаемого
Заключение
Для наиболее эффективной организации учебного процесса целесообразно учитывать
различную информацию о студенте, т.е. при разработке системы включать также модель
обучаемого. Большинство из доступных на сегодняшний день моделей составляют покрывающие
– векторные и сетевые (графы знаний). Однако, они не отображают всю необходимую
информацию. Для этой цели наиболее удобным представляется использование смешанной
структуры модели студента. Основной задачей для будущих исследований является разработка
и реализация такой комплексной модели в системах компьютерного обучения.
Литература
1. Атанов Г.А., Пустынникова И.Н. Обучение и искусственный интеллект, или Основы
современной дидактики высшей школы. – Донецк : Изд-во ДОУ, 2002. – 504 с.
2. Петрушин В.А. Экспертно-обучающие системы. – К.: Наук. Думка, 1992.