Оплата услуг Личный кабинет
Вход на сайт
  • Рус
  • Eng
  • 中文
ЕГУ им. И.А. Бунина

Журнал «Психология образования в поликультурном пространстве»

Выпуск №2 (54) (2021)

Оглавление выпуска

УДК 004.89, 37.022
DOI 10.24888/2073-8439-2021-54-2-48-65

РАЗРАБОТКА ИНСТРУМЕНТАЛЬНО-МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ ОЦЕНИВАНИЯ ЗНАНИЙ УЧАЩИХСЯ ПО МАТЕМАТИКЕ В РАМКАХ ГИБРИДНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СРЕДЫ

Автор(ы): Дружинина О.В., Карпачёва И.А., Масина О.Н., Петров А.А.

Статья посвящена вопросам разработки интегрированного комплекса базы знаний и инструментальных средств искусственного интеллекта для оценивания знаний учащихся по математике в рамках гибридной интеллектуальной обучающей среды. В соответствии со структурными схемами моделей интеллектуального оценивания знаний и творческого потенциала школьников по математике формализована структура соответствующей базы знаний. База знаний разрабатывается в рамках методов интеллектуального анализа данных для создания модуля контроля и оценивания знаний по математике. В качестве методологической основы разработки базы знаний использована идея В.П. Беспалько о представлении возможной структуры деятельности человека в виде последовательных уровней усвоения, отображающих развитие опыта обучающегося в данном предмете в процессе обучения. Уровни усвоения (ученический, типовой, эвристический, исследовательский) определяются через способности решать задачи соответствующего типа. Формализованным показателем достижения обучающимся того или иного уровня усвоения учебного материала (уровня обученности) выступает коэффициент усвоения; оценка усвоения материала по конкретной теме или разделу предусматривается как по каждому из вышеуказанных уровней, так и обобщенно. Рассмотрены примеры формирования базы знаний для оценки навыков и умений школьников по алгебре. Для моделирования образовательного процесса мы предлагаем методы решения задач кластеризации, понижения размерности и классификации на основе машинного обучения и искусственных нейронных сетей. Представлены основы для разработки интегрированных комплексов баз знаний и инструментальных средств искусственного интеллекта для обеспечения образовательного процесса. Полученные результаты направлены на создание методик, обеспечивающих в информационно-образовательной интеллектуальной среде процессы оперативного обучения, контроля и оценки знаний, компетенций и процедур, уровня сформированности предметных и профессиональных компетенций обучающихся.

DEVELOPMENT OF INSTRUMENTAL AND METHODOLOGICAL SUPPORT FOR THE ASSESSMENT OF STUDENTS ' KNOWLEDGE IN MATHEMATICS IN THE FRAMEWORK OF HYBRID INTELLIGENT LEARNING ENVIRONMENT

Author: Druzhinina Olga V., Karpacheva Irina A., Masina Olga N., Petrov Alexey A.

The article is devoted to the development of an integrated complex of knowledge base and artificial intelligence tools for assessing students' knowledge in mathematics within the framework of a hybrid intellectual learning environment. In accordance with the structural diagrams of models of intellectual assessment of knowledge and creative potential of schoolchildren in mathematics, the structure of the corresponding knowledge base is formalized. The knowledge base is developed within the framework of data mining methods to create a module for monitoring and assessing knowledge in mathematics. As a methodological basis for the development of a knowledge base, the idea of V.P. Bespalko about the representation of the possible structure of human activity in the form of successive levels of assimilation, reflecting the development of the student's experience in a given subject in the learning process. The levels of assimilation (student, typical, heuristic, research) are determined through the ability to solve problems of the corresponding type. A formalized indicator of a student's achievement of a particular level of assimilation of educational material (level of training) is the coefficient of assimilation; assessment of the assimilation of material on a specific topic or section is provided for both at each of the above levels, and in general. The examples of the formation of a knowledge base for assessing the skills and abilities of schoolchildren in algebra are considered. To model the educational process, we propose methods for solving clustering, dimensionality reduction and classification problems based on machine learning and artificial neural networks. The foundations for the development of integrated complexes of knowledge bases and artificial intelligence tools to ensure the educational process are presented. The results obtained are aimed at creating methods that provide the processes of operational learning, control and assessment of knowledge, competencies and procedures, the level of formation of subject and professional competencies of students in the information and educational intellectual environment.

Список литературы

  1. Амиров Р.А., Билалова У.М. Перспективы внедрения технологий искусственного интеллекта в сфере высшего образования // Управленческое консультирование. 2020. № 3(135). C. 80-88. https://doi.org/10.22394/1726-1139-2020-3-80-88

  2. Басалин П.Д., Кумагина Е.А., Неймарк Е.А., Тимофеев А.Е., Фомина И.А., Чернышова Н.Н. Реализация гибридной интеллектуальной обучающей среды продукционного типа // Современные информационные технологии и ИТ-образование. 2018. Т. 14. № 1. С. 256-267. https://doi.org/10.25559/SITITO.14.201801.256-267

  3. Беспалько В.П. Слагающие педагогической технологии. М.: Педагогика, 1989.

  4. Беспалько В.П. Типичные педагогические ошибки тестирования в образовании // Школьные технологии. 2012. № 5. С. 3-11.

  5. Булин-Соколова Е.И., Обухов А.С., Семёнов А.Л. Будущее педагогическое образование. Направление движения и первые практические шаги // Психологическая наука и образование. 2014. Т. 19. № 3. С. 207-226.

  6. Воройский Ф.С. Информатика. Новый систематизированный толковый словарь-справочник (введение в современные информационные и телекоммуникационные технологии в терминах и фактах). М.: ФИЗМАТЛИТ, 2003.

  7. Гаврилова Т.А., Гулякина Н.В. Визуальные методы работы со знаниями: попытка обзора // Искусственный интеллект и принятие решений. 2008. № 1. С. 15-21.

  8. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.

  9. Дружинина О.В., Игонина Е.В., Масина О.Н., Петров А.А. Аспекты использования технологий прототипирования и искусственного интеллекта в рамках цифровой трансформации образовательного процесса // Современные информационные технологии и ИТ-образование. 2020. Т. 16. № 1. С. 65-74. https://doi.org/10.25559/SITITO.16.202001.50-63

  10. Кандыбович Л.А., Мудрик А.В. Менеджмент знаний. Терминологический словарь-справочник. Минск: Харвест, 2010.

  11. Карпачёва И.А., Меренкова В.С., Дворяткина С.Н. Управление процессом обучения: от традиционных моделей к интеллектуальному управлению // Психология образования в поликультурном пространстве. 2020. № 3(51). С. 95-109. https://doi.org/10.24888/2073-8439-2020-51-3-95-109

  12. Мицкевич А.А., Константинова Е.А., Мухамедвалеева С.Г. Базы знаний и экспертные системы. М.: МИУ, 1989.

  13. Муромцев Д.Ю., Ермолаев В.В., Коток А.Ю. Методика проектирования базы знаний для активных экспертных систем // Вопросы современной науки и практики. Университет им. В.И. Вернадского. 2014. № S2(52). С. 92-96

  14. Никольский С.М., Потапов М.К., Решетников Н.Н., Шевкин А.В. Алгебра. 8 класс. 4-е изд. М.: Просвещение, 2017.

  15. Поспелов Г.С. Искусственный интеллект - прикладные системы. М.: Знание, 1985.

  16. Сидоров А.С., Клыгина Е.В., Кириенко А.О. Программная среда для визуальной разработки базы знаний экспертных систем // Психолого-педагогический журнал Гаудеамус. 2012. Т. 2. № 20. С. 189-190.

  17. Слепцов А.Ф., Слепцова М.В. Интеллектуальная образовательная среда: теоретические подходы и возможности реализации // Современные исследования социальных проблем. 2016. № 5. С. 70-88.

  18. Смирнов Е.И., Дворяткина С.Н., Щербатых С.В. Интеллектное управление в математическом моделировании исследовательской деятельности школьников // CONTINUUM. Математика. Информатика. Образование. 2020. № 3(19). С. 48-61. https://doi.org/10.24888/2500-1957-2020-3-48-61

  19. Сорокин А.Б., Бражникова Е.В., Железняк Л.М. Проектирование базы знаний для экспертных систем на основе концептуальной структуры акта деятельности // Высокопроизводительные вычислительные системы и технологии. 2020. Т. 4. № 1. С. 190-196.

  20. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006.

  21. Яворская Г.М. Разработка экспертной системы с использованием педагогической модели оценки качества знаний студентов // Автоматика. Информатика. 2008. № 1-2(22-23). С. 99-101.

  22. Druzhinina O.V., Masina O.N., Petrov A.A., Shcherbatykh S.V. Application of intelligent technologies and neural network modeling methods in the development of a hybrid learning environment // Journal of Physics: Conference Series. 2020. Vol. 1691. Pp. 012125(1-6). https://doi.org/10.1088/1742-6596/1691/1/012125

  23. Geron A. Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O’Reilly, 2019.

  24. ISO/IEC/IEEE 24765-2010(E), Systems and software engineering - Vocabulary. IT-Regie - The business of IT for the business. 2010. URL: https://www.smaele.nl/documents/iso/ISO-24765-2010.pdf (дата обращения: 08.05.2021).

  25. Karpatne A., Atluri G., Faghmous J.H., Steinbach M., Banerjee A., Ganguly A., Shekhar S., Samatova N., Kumar V. Theory-Guided Data Science: A New Paradigm for Scientific Discovery from Data // IEEE Transactions on Knowledge and Data Engineering. 2017. Vol. 29(10). Pp. 2318-2331. https://doi.org/10.1109/TKDE.2017.2720168

  26. Mckinney W. Python for Data Analysis, 2e: Data Wrangling with Pandas, Numpy, and Ipython. O′Reilly, 2017.

Психология образования в поликультурном пространстве Филоlogos История: факты и символы Агропромышленные технологии Центральной Росси Молодежная наука: тенденции развития Continuum. Математика. Информатика. Образование Вопросы отраслевой экономики Вопросы государства и права