Журнал «Continuum. Математика. Информатика. Образование»
Выпуск №2 (10) (2018)
НЕЙРОСЕТЕВЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ ОБУЧАЮЩИЕ СИСТЕМЫ В ПРОЦЕССЕ ОСВОЕНИЯ МАТЕМАТИЧЕСКИХ ДИСЦИПЛИН ВЫСШЕЙ ШКОЛЫ
В статье предлагается решение проблемы структурирования и представления содержания, методологии и дидактики преподавания математических дисциплин в контексте интеллектуальной обучающей системы, основанной на нейросетевых технологиях и обеспечивающей рациональную организацию процесса индивидуального обучения с максимальной адаптацией к уровню подготовки и способностям обучаемого. В статье рассмотрены особенности реализации и применения подобной системы с учетом существующего конструкторского опыта, методико-педагогических наработок, исторических особенностей развития нейросетевых технологий. Описаны и обоснованы основные этапы проектирования интеллектуальной компьютерной обучающей системы, дана краткая характеристика каждого из этих этапов. В целях соблюдения требований политики безопасности компьютерного прикладного программного обеспечения, введена классификация пользователей на группы с указанием их права и основных функции. Подробно рассмотрена модульная структура построения интеллектуальной компьютерной обучающей системы. Описаны основные содержательные и функциональные характеристики каждого из предложенных модулей. Предложены решения по классификации обучаемых по статическим и динамическим психолого-педагогическим признакам. Рассмотрен один из способов классификации учебного материала, структурированный в рамках индивидуализированного математического компьютерного обучения, с последующим его формирование в вектор текущих потребностей обучаемого, служащий основой формирования персонализированных стратегий обучения в рамках заданного обучающего курса. Изложены особенности и преимущества проведения адаптивного тестирования математических знаний обучаемых. Введены понятия «сложности» и «трудности» тестовых заданий, рассмотрены способы определения их исходных значений, а также методы проверки степени их соответствия друг другу с целью объективизации и повышения уровня достоверности компьютерного тестирования. Обоснованы и описаны механизмы динамической корректировки персональной стратегии обучения. Приведены преимущества внедрения и эксплуатации интеллектуальной компьютерной обучающей системы в процессы высшего математического образования.
Ключевые слова
компьютерное обучение математике; интеллектуальные системы; искусственные нейронные сети; computer training in mathematics; intelligent systems; artificial neural networks
NEURAL NETWORK INTELLIGENT TUTORING SYSTEM IN THE DEVELOPMENT OF THE MATHEMATICAL DISCIPLINES OF THE HIGHER SCHOOL
The article proposes a way of structuring and presenting the content, methodology and didactics of teaching mathematical disciplines. This method is implemented using an intelligent learning system. This system is based on neural network technologies and ensures the rational organization of the individual learning process. It adapts to the level of training and abilities of the trainee. This article describes the specifics of the implementation and application of the system, taking into account today's design experience, methodological and pedagogical developments, historical features of the development of neural network technologies. Described and justified the main stages of the design of intelligent computer-aided training system, given a brief description of each of these stages. The classification of users into groups with their rights and basic functions was introduced. Considered in detail the modular structure of the intelligent computer learning systems. The main content and functional characteristics of each of the proposed modules are described. The proposed decision on the classification of trainees according to the static and dynamic psychological and pedagogical characteristics. One of the ways of classification of educational material, structured in the framework of individualized mathematical computer training, followed by its formation in the vector of the current needs of the student, serving as the basis for the formation of personalized learning strategies within a given training course. Features and advantages of carrying out adaptive testing of mathematical knowledge of the trained are stated. The concepts of "complexity" and "difficulty" of test tasks are introduced, the methods of determining their initial values, as well as the methods of checking the degree of their compliance with each other in order to objectively and improve the reliability of computer testing are considered. The mechanisms of dynamic correction of personal learning strategy are substantiated and described. Given the advantages of implementation and operation of intelligent computer learning systems in the higher processes of mathematics education.
Список литературы
-
1. "Об утверждении государственной программы Российской Федерации "Развитие образования"// Постановление Правительства Российской Федерации от 26 декабря 2017 года № 1642 [Электронный ресурс] Режим доступа: http://government.ru/docs/30832 (дата обращения: 20.03.2018);
-
2. Анисова Т.Л. (2018) Принципы методики обучения математике, направленной на повышение математической компетентности бакалавров // Современные проблемы науки и образования. № 1; [Электронный ресурс] Режим доступа: http://science-education.ru/ru/article/view?id=27326 (дата обращения: 20.03.2018);
-
3. Бужинская Н.В., Гребнева Д.М., Макаров И.Б. (2017) Проектирование электронного учебного курса по робототехнике для студентов специальности 09.02.05 «прикладная информатика (в экономике)» // Современные проблемы науки и образования. №2.; [Электронный ресурс] Режим доступа: http://science-education.ru/ru/article/view?id=26204 (дата обращения: 20.03.2018);
-
4. Горюшкин Е.И. (2009) Использование нейросетевых технологий
-
в адаптивном тестировании по информатике в вузе: дисс. к.п.н. Курск. 174 с.;
-
5. Грушевский С.П. (2001) Проектирование учебно-информационных комплексов по математике: дисс. д.п.н. Краснодар. 385 с.;
-
6. Добровольская Н. Ю. (2009) Компьютерные нейросетевые технологии как средство индивидуализированного обучения студентов физико-математических специальностей: Дис. к. п. н. Краснодар. 260 с.;
-
7. Закалин И.Ю. (2018) Mетоды поддержки принятия решений на основе информационных технологий // Вестник магистратуры. № 1-1. С. 23-26.;
-
8. Захаров А.И., Матюшкин А.М. (1970) Проблемы адаптивных систем обучения // Кибернетика и проблемы обучения. М.: Прогресс. 389с.;
-
9. Можаева Г.В., Тубанова И.В. (2002) Как подготовить мультимедийный курс: Методическое пособие для преподавателей. Томск. [Электронный ресурс] Режим доступа: http://window.edu.ru/resource/899/23899/files/index.html (дата обращения: 20.03.2018);
-
10. Хайкин С. (2006) Нейронные сети: полный курс, 2-е издание.: Пер. с. англ. М.: Издательский дом «Вильямс». 1104 с.: ил. парал. тит. англ.;
-
11. Черепанов В.С. (2006) Основы педагогической экспертизы. Ижевск: Изд-во ИжГТУ. 124 с.
-
1. Decree of the Government of the Russian Federation of December 26, 2017 no 1642 «About approval of the state program of the Russian Federation "Development of Education» Available at: http:// http://government.ru/docs/30832/ (accessed 20 March 2018).
-
2. Anisova T.L. (2018) Printsipy metodiki obucheniya matematike, napravlennoy na povyshenie matematicheskoy kompetentnosti bakalavrov [Principles of the methodology of teaching mathematics aimed at increasing the mathematical competence of bachelors] Sovremennye problemy nauki i obrazovaniya, N1. Available at: http://science-education.ru/ru/article/view?id=27326 (accessed 20 March 2018) (in Russian).
-
3. Buzhinskaya N.V., Grebneva D.M., Makarov I.B. (2017) Proektirovanie elektronnogo uchebnogo kursa po robototekhnike dlya studentov spetsial'nosti 09.02.05 «prikladnaya informatika (v ekonomike)» [Designing an electronic training course on robotics for students of specialty 09.02.05 "Applied Informatics (in Economics)"] Sovremennye problemy nauki i obrazovaniya, N 2. Available at: http:// science-education.ru/ru/article/view?id=26204 (accessed 20 March 2018) (in Russian).
-
4. Goryushkin E.I. (2009) Ispol'zovanie neyrosetevykh tekhnologiy v adaptivnom testirovanii po informatike v vuze: diss. k.p.n. [Use of neural network technologies in adaptive testing in computer science at the university. Ph.D. Tesis] Kursk. 174 p. (In Russia).
-
5. Grushevskiy S.P. (2001) Proektirovanie uchebno-informatsionnykh kompleksov po matematike: diss. d.p.n. [Designing of educational and information complexes in mathematics. D.Sc. Thesis] Krasnodar. 385 p. (In Russia).
-
6. Dobrovol'skaya N.Yu. (2009) Komp'yuternye neyrosetevye tekhnologii kak sredstvo individualizirovannogo obucheniya studentov fiziko-matematicheskikh spetsial'nostey: Dis. k. p. n. [Computer neural network technologies as a means of individualized training of students of physical and mathematical specialties. Ph.D. Tesis] Krasnodar. 260 p.
-
7. Zakalin I.Yu. (2018) Metody podderzhki prinyatiya resheniy na osnove informatsionnykh tekhnologiy [Methods of decision support based on information technology] Vestnik magistratury, N 1-1, pp. 23-26. (in Russian).
-
8. Zakharov A.I., Matyushkin A.M. (1970) Problemy adaptivnykh sistem obucheniya [Problems of adaptive learning systems] Moscow, Progress Publ. 389 p..
-
9. Mozhaeva G.V., Tubanova I.V. (2002) Kak podgotovit' mul'timediynyy kurs: Metodicheskoe posobie dlya prepodavateley. Tomsk. 2002 [How to prepare a multimedia course] Available at: http: // window.edu.ru/resource/899/23899/files/index.html (accessed 20 March 2018) (in Russian).
-
10. Haykin S. (1999) Neural Networks: A Comprehensive Foundation. 2nd ed., Prentice-Hall Publ. (Russ. ed.: Moscow, Vilyams Publ., 2006, 1104 p.).
-
11. Cherepanov V.S. (2006) Osnovy pedagogicheskoy ekspertizy [The basics of pedagogical expertise]. Izhevsk, Kalashnikov ISTU. 124 p.