Alireza Kahaei [14] провела анализ параметров, используемых для персонализации электронного обучения. В результате были обобщены 17 параметров, в частности: уровень знаний, цели и намерения, предпочтение стиля коммуникации, уровень мотивации и т.п. В результате выяснилось, что платформы для ЭУК на современном этапе развития не поддерживают большинство параметров персонализации.
Коллектив авторов публикации [15] представил модель последовательности учебных объектов и ее реализации с использованием подхода, основанного на мета-программировании. Группа исследователей в своей работе [16] определили следующие аспекты адаптивного обучения: самооценка обучения, скорость обучения, адаптация обучения к различным характеристикам/способностям/интересам обучающегося, сотрудничество и совместное использование ресурсов группой пользователей с общими интересами/характеристиками, отслеживание прогресса обучающегося.
Важной особенностью ЭУК для адаптивного обучения является поддержка индивидуальных образовательных траекторий. В наших работах [17]-[20] рассмотрена задача формирования индивидуальных образовательных траекторий студентов в региональной системе профессионального образования. Разработана модель образовательного процесса в виде маркированной сети Петри, формализована и решена задача построения оптимальной образовательной траектории на основе интеллектуальных методов.
В то же время в научных публикациях не рассматривается применение интеллектуального анализа текстовых данных на этапе разработки ЭУК. В работе R. Sathya [21] подробно описаны основные методы интеллектуального анализа текста: обобщение, извлечение информации, категоризация, визуализация, кластеризация, отслеживание темы, ответы на вопросы. Методы интеллектуального анализа текста и анализа тональности текста также используются в работе [22] для автоматического изучения онлайн-обзоров иностранных студентов о своих ВУЗах, что является актуальной проблемой в рамках конкуренции образовательных организаций. Метод семантического сравнения содержимого учебных программ с помощью методов схожести текста представлен в публикации [23].
Таким образом, анализ источников показывает, что современные системы управления обучением не поддерживают интеллектуальные адаптивные методы разработки и сопровождения электронных учебных курсов.
Структурно-содержательная модель электронного учебного курса
В основу структурно-содержательной модели электронного учебного курса может быть положен стандарт «SCORM» (Sharable Content Object Reference Model), который определяет структуру хранения элементов учебного курса и интерфейс доступа к ним, что дает возможность переносить элементы учебных курсов из одной системы управления обучением в другую, обеспечить включение модулей из общего репозитория в разные курсы в соответствии с индивидуальными запросами пользователей, облегчить сопровождение и адаптацию курсов.
Кроме того, SCORM использует прикладной программный интерфейс (API) для обмена информацией, разработанную модель представления информации, спецификации и стандарты элементов учебного курса, дающие возможность описывать и упорядочить содержание учебных курсов.
Также в последней версии SCORM появилась возможность определять порядок элементов учебного курса для изучения, сохранять позиции в этой последовательности для каждого обучающегося, хранить достижения учащихся.
Основной единицей учебного курса в SCORM являются объекты контента (SCO - Shareable Content Objects), которые определяют модульную структуру курса. С каждым объектом связаны метаданные и образовательный контент.
Совокупность объектов контента для определенной предметной области называется в SCORM репозиторием. Элементы из репозитория могут включаться в состав различных курсов, которые сохраняются в LMS.
Содержимое модулей в SCORM описано с использованием языка разметки текстов XML, API определяет связь между содержанием образования и LMS.
Описание стандарта SCORM 2004 состоит из четырех разделов:
1. Вводный раздел (Overview), в котором представлены основы SCORM и направления дальнейшего развития стандарта;
2. Раздел, описывающий содержание элементов учебных курсов CAM (Content Aggregation Model);
3. Раздел, описывающий среду исполнения RTE (Run Time Environment), включающий требования к системе управления обучением LMS (Learning Management System) как к интерфейсу между содержательной (SCO) и управляющей частями;
4. Раздел, описывающий навигацию по курсу SN (Sequencing and Navigation), представляющий требования к порядку изучения элементов курсов.
Модель Content Aggregation Model (CAM) включает способы описания элементов учебных курсов, правила их упорядочения, хранения и поиска. Модель также дает возможность создания пакетов, применение метаданных к учебным элементам в одном пакете, а также применении правил упорядочения и навигации внутри определенного пакета.
Метаданные (Meta-data) учебного элемента включают назначение и тип содержимого элемента, сведения об авторах, требования к платформе. Метаданные могут применяться к различным компонентам CAM:
- assets (элементам);
- sharable content objects (объектам контента) (SCOs);
- activities (деятельности);
-content organization (организации контента);
- content aggregation (агрегации контента).
Asset (элемент) - представляет собой мультимедийный элемент содержания курса (текст, изображение, звук, видео). Элементы могут вкладываться друг в друга.
SCO - коллекция из элементов, которые вместе образуют модуль учебного курса как его элементарную логическую часть. SCO имеют собственные метаданные для поиска и извлечения из хранилища.
Activities - это логические объекты, которые определяют последовательность изучения учебных элементов в процессе обучения.
Структура контента (Content Structure) представляется на языке XML, определяются все элементы и внешние ссылки, необходимые для переносимости курсов. XML (extensible Markup Language - расширяемый язык разметки) - платформо-независимый текстовый формат, предназначенный для хранения структурированных данных в целях обмена информацией между информационными системами. XML позволяет описывать структуру данных без привязки их к представлению, отдельно определять форму представления данных (независимо от конкретного содержания), управлять доступом к данным, фильтровать данные по содержанию, структуре и метаданным.
Описание среды исполнения (RTE) состоит из нескольких компонентов:
-управление контентом (Content Management Service);
- отображение (Delivery Service);
- упорядочение элементов курсов (Sequencing Service);
- администрирование курсов (Course Administration Service);
- оценка (Testing/Assessment Service);
- служба профиля обучающихся (Leaner Profile Service);
- определение траектории обучения (Tracking Service);
- обмен информацией с платформой (API Adapter).
В основе навигации по контенту (SN) лежат следующие компоненты:
- дерево действий (Activity Tree) - описание структуры учебного курса;
- учебные действия (Learning Activities) - действия обучающегося при изучении курса;
- правила упорядочивания (Sequencing Rules) - описание набора условий, определяющих возможности переходов от одних действий к другим по дереву действий;
- навигация (Navigation) - последовательность изучения элементов курса в соответствии с деревом действий;
- модель данных о навигации (Navigation Data Model) - описание переходов от одних действий к другим.
Для четкого понимания взаимосвязи элементов электронного учебного курса (ЭУК) представим математическую структурносодержательную модель.
Пусть М - множество электронных учебных курсов, размещенных в LMS.
M=(MrM2,...,Mn) (1)
Каждый ЭУК М, = N представляет собой объединение двух непересекающихся множеств
М М..М, (2)
где Мо - множество обязательных элементов курса, определяющих его минимальный состав, и Мп - множество дополнительных элементов курса, которые дополнительно включены в него, дают дополнительную информацию обучающимся.
Множество обязательных элементов курса может быть формализовано как следующий вектор
М0=(^у, Cp, Wu, U1,..., Uk, Fu, G), (3)
где Wv - вводный видеофайл, Cp - перечень и, = ikk
тем курса, Wu - вводный модуль, J - учебный модуль, Fu - заключительный модуль (итоговый тест по курсу), G -журнал учебных достижений обучающихся.
Множество необязательных элементов курса может быть представлено как следующий кортеж
M=(Fe,Cf), M=(Fe,Cf) (4)
где Fe - экзамен или проект для получения сертификата, Cf - сертификат.
Множество элементов вводного модуля Wu представим в виде кортежа
Wu=(Au, Ci, Eg, In), (5)
где Au - информация о курсе, Ci - информация о преподавателях, Eg -планируемые результаты обучения, In - программа обучения.
Каждый учебный модуль курса содержит определенный набор элементов. Опишем их в виде следующего кортежа
U=(Sg, Er, A, F), (6)
где Sg - методические рекомендации к модулю, Er - электронные образовательные ресурсы, A - деятельностные элементы, F - средства обратной связи.
Множество элементов электронных образовательных ресурсов Er представим кортежем
Er=(Video, Reading, Pres, Tut, Web, O), (7)
где Video - видеолекция, Reading - материалы для самостоятельного изучения (например, лекция в форматах pdf или html), Pres - заметки к лекциям и слайды, Tut - учебные пособия, Web - ссылки на дополнительные ресурсы (электронные библиотеки, карты, фотографии, любые другие социальные медиа ресурсы и интернет- источники), O - дополнительные текстовые и мультимедийные материалы (анимации, аудио к рабочей тетради, словники, другое).
Множество деятельностных элементов курса A представим кортежем
A=(Qu, Quiz, As, Ws, Gl, Ga), (8)
где Qu - анкета, Quiz - тест или контрольные вопросы, As - задание (самоотчет, эссе, проект/ курсовая работа, упражнение, задачи, другое), Ws - электронный семинар по взаимооценке выполненных работ, Gl - глоссарий, Ga - обучающие игры, включая симуляции.
Множество элементов обратной связи в курсе F представим кортежем
F=(Forum, Blog, Sn, Af), (9)
где Forum - форум (дискуссии, консультации, онлайн учебные сообщества), Blog - блог, Sn - социальные сети, Af - иные формы обратной связи.
Образовательная траектория обучающегося состоит из учебных модулей, каждый из которых представляет собой цикличное выполнение учебной деятельности, а именно: изучение теоретического материала (лекций) и выполнение практический заданий (рисунок 2).
Количество учебных модулей должно быть оптимальным, согласованным с количеством тем изучаемой дисциплины, а также с минимальным набором компетенций, который должен быть сформирован по окончанию изучения данной дисциплины.
Каждый учебный модуль имеет набор компетенций, необходимых для прохождения данного конкретного учебного модуля и набор компетенций, которые будут сформированы после прохождения изучения материала (рисунок 3).
Таким образом, необходимо построить индивидуальную образовательную траекторию так, чтобы компетенции, необходимые для прохождения каждого модуля, были сформированы на предыдущих этапах, или их наличие предполагалось перед изучением выбранной дисциплины (рисунок 3). При этом Kx.y.z обозначает отдельную компетенцию, x - число, принимает значения 1 или 2, 1 - набор компетенций, необходимых перед прохождением учебного модуля, а 2 - набор компетенций, которые будут сформированы после прохождения учебного модуля; у - номер учебного модуля; z - номер компетенции.
Рисунок 2 Индивидуальная образовательная траектория
В рамках освоения курса по конкретной дисциплине с привязанными к ней компетенциями требуется найти минимальное число учебных модулей так, чтобы покрыть весь перечень необходимых компетенций и построить по ним индивидуальную образовательную траекторию, при освоении которой обучающийся получит достаточный объем знаний, умений, опыта деятельности, т.е. запланированный результат обучения.
Данная задача относится к задачам о наименьшем покрытии (ЗНП) и о наименьшем вершинном покрытии (ЗНВП). Данные задачи имеют широкое прикладное значение в теории построения сложных при разработке их программного и математического обеспечения. Задачи и связанные с ними проблемы имеют различные применения в адаптивной обработке запросов и распределении ресурсов. Основное требование к алгоритмам решения данных задач состоит в высокой оперативности решения и обеспечении минимально возможной погрешности этих решений.
Исходными данными задачи о покрытии множества является следующие:
Семантическая сеть - связный в сильном смысле ацикличный ориентированный граф (GD).
Параметры:
Область знаний отдельного курса - D;
Семантическая сеть области знаний по курсу: GD = {VD, ED}, где
VD - множество вершин (компетенций);
ED - множество связей графа.
Перед построением индивидуальной образовательной траектории необходимо определить начальный уровень знаний учащихся. Для этого предполагается проведение входного тестирования, на основании которого будет построена семантическая сеть знаний обучающегося.
Семантическая сеть знаний обучающегося - связный в сильном смысле ацикличный ориентированный граф (GL).
Параметры:
Обучающийся L;
Семантическая сеть знаний обучающегося GL = {VL, EL}, где
VL - множество вершин (компетенций);
EL - множество связей графа;
VL е VD, EL е ED.
Граф GL является связным подграфом графа GD.