Анализ моделей и методов организации адаптивного обучения в АОС

Лекция 2

Основным требованием, предъявляемым к автоматизированным обучающим системам, является обеспечение максимальной адаптивности процесса обучения к индивидуальным характеристикам обучаемого.

Для решения указанной проблемы используются различные модели и методы.

В линейных программах (под программой понимается метод организации учебной информации) учебные задания рассчитаны на самого "слабого" обучаемого и настолько минимальны, что процесс обучения протекает почти безошибочно. Ошибочные ответы (решения) считаются недопустимыми. В процессе обучения все обучаемые проходят одну и ту же, заранее определенную автором АУК, последовательность кадров учебной информации. Причем эта последовательность не зависит от действий обучаемого во время самого хода обучения. Таким образом, в линейных программах адаптация к обучаемому достигается лишь за счет различного времени, требуемого для усвоения. Автором линейных программ является Б.Скиннер. Существуют разновидности линейных программ. Например, С.Пресси предложил осуществлять продвижение вперед по линейной программе только в случае, если обучаемый выбрал правильный ответ из нескольких возможных. Характер адаптации в этом случае остается прежним. Линейные программы относят к классу минимально адаптивных.

Альтернативой линейным программам явились разветвленные про­граммы Н.Краудера. В разветвленных программах разные ответы обучаемого определяют для него разные ветви обучающей программы. При отсутствии ошибок обучаемому предъявляется новая учебная информация, в противном случае возможен возврат к пройденному материалу, либо выдача различных разъяснений, справок, дополнительной информации, либо и то и другое.

Одной из форм построения разветвленных программ является изложение одной и той же учебной информации на трех-четырех уровнях сложности. Перевод обучаемого с одного уровня сложности изложения информации на другой осуществляется по некоторому критерию, в качестве которого, например, используется значение коэффициента усвоения - доли правильно выполненных операций в деятельности обучаемого. Таким образом, порядок обучения может быть различным в зависимости от индивидуальных характеристик обучаемого, т.е. в разветвленных программах адаптация осуществляется не только по времени усвоения, но и по объему учебной информации и порядку ее изложения. Иногда различают смешанные программы, содержащие как линейные, так и разветвленные участки. Большинство существующих АУК построены по принципу смешанных программ. Разветвленные (или смешанные программы) относят к классу частично адаптивных.

Создание адаптивных систем обучения связано с подходом к процессу обучения, как к процессу управления, в котором обучаемый является объектом управления, а АОС - источником управления. Значи­тельный вклад в разработку адаптивных систем обучения внесли Г.Паск, Carbonell J.R., А.М.Довгялло, Л.А.Растригин и другие исследователи. Адаптивный процесс управления обучением рассматривается как процесс принятия решений, в котором выбор пути продолжения обучения существенно зависит от предыстории обучения. Причем выбор одного из путей продолжения обучения не определяется до конца обучающей программы, задается лишь направление движения на очередной шаг. На следующем шаге процесс принятия решения повторяется с учетом новой информации.

Существует несколько подходов к разработке алгоритма принятия решений. Например, выделяются три принципа управления:

§ стабилизация (в этом случае поддерживается постоянное значение некоторого показателя процесса обучения);

§ программное управление (величина некоторого показателя процесса изменяется по заданному закону);

§ оптимизация некоторого показателя процесса обучения (автома­тически устанавливается значение этого показателя, оптимальное с точки зрения того или иного критерия эффективности обучения).

Вопросы оптимизации процесса обучения как процесса управления, расматриваются в ряде работ. Один из наиболее глубоких анализов указанной проблемы проведен в работах Л.А.Растригина. Рассматривается алгоритм управления, являющийся оператором, перерабатывающим исходную информацию в управление:

(1.1)

где: U - информация об управлении обучаемым (об обучающих воздействиях);

X- информация о состоянии среды обучения (в практических

реализациях чаще всего не рассматривается);

Y - информация о состоянии обучаемого;

Z- цели обучения;

R - ресурсы системы обучения.

В общем виде цели обучения формулируются следующим образом:

Z: (1.2)

где:- критерии функционалы, определяемые на состояниях объекта управления (обучаемого).

Цели-неравенства определяют тот минимум знаний и навыков, нарушение которого недопустимо. Цели-равенства связаны с теми знаниями и навыками обучаемого, отсутствие которых недопустимо. Экстремальные цели определяют качество процесса обучения, например: минимизация времени обучения, максимизация степени обученности обучаемого и т.д. Для определения управления (обучающих воздействий) требуется синтезировать оператор. Задача синтеза оператора управления обычно декомпозируется на две:

§ структурный и параметрический синтез модели обучаемого;

§ синтез управления с помощью этой модели.

На стадии структурного синтеза модели обучаемого строится ее описание в виде:

(1.3)

где: f - выбранный оператор, параметры которого определяются затем с помощью психолого-педагогических экспериментов (обычно используется тестирование).

Синтез управления осуществляется следующим образом. Полученная модель обучаемого подставляется в целевые функционалы (1.2) и в результате формулируется многокритериальная задача оптимизации, задаваемая экстремальными целями обучения. Задача оптимизации решается на множестве допустимых управлений, которые определяются ресурсами и целями-ограничениями (1.2).

Процесс обучения носит циклический характер, а значит, на каждом шаге необходимо корректировать (адаптировать) систему управления (модель обучения) в связи с изменением характеристик обучаемого, т.е. корректировать (идентифицировать) значения параметров модели обучаемого с целью - добиться максимального соответствия модели и самого обучаемого.

Описанный подход можно рассматривать как одну из основных методологий проектирования моделей обучения. В рамках указанного подхода разработана и реализована адаптивная система обучения лексике иностранного языка.

Под учебной информацией U_n, выдаваемой на n-м шаге обучения, понимается совокупность элементарных порций информации (в рассматриваемом случае - слов), содержательная интерпретация которых зависит от характера ПО обучения. Причем U_n Î U, где U - весь объем учебной информации. Состояние на n-м шаге обучения описывается вектором незнания каждого из элементов U:

(1.4)

где: - вероятность незнания i-го элемента U в n-й момент времени. (1.5)

Результат контроля на n-м шаге описывается множеством:

{ } (1.6)

где:

0, если обучаемый дал правильный ответ по i-му элементу U_n; 1, в противном случае.

Для корректировки значений в зависимости от результатов контроля используется формула:

(1.7)

где: - скорость забывания i-го элемента U на n-м шаге;

- время с момента последнего заучивания i-го элемента U.

Для оценки скорости забывания используется следующая зависимость:

(1.8)

где: , , (i = 1,2,…,N) - параметры, характеризующие индивидуальные характеристики обучаемого;

0 < < < 1;

- начальная скорость забывания i-го элемента U.

Для определения значений неизвестных параметров (, ,) используются статистические данные психолого-педагогических экспериментов по обучению, что ставит в прямую зависимость адекватность модели от чистоты проведения экспериментов и их объемов. В математической психологии известно много стохастических моделей обучения, таких, как модель Буша-Мостеллера, модель Халла, Терстоуна, Кричевского и другие, в которых предлагаются свои правила преобразования параметров модели обучаемого в зависимости от хода процесса обучения. В некоторых работах проводится сравнение рассматриваемых моделей на адекватность при обучении запоминанию иностранных слов. Анализ показал достаточную близость, в смысле адекватности, трех моделей: Халла, Рестла и нелинейной модели обучения языку. Тем не менее, нелинейная модель обучения языку имеет ряд преимуществ. Кроме того, в нелинейной модели обучения языку реализовано адаптивное управление процессом обучения, в соответствии с введенным критерием качества обучения (вероятностью незнания лексической единицы, наугад выбранной из заданного текста). То есть обучаемому на каждом шаге обучения выдается оптимальная, в смысле заданного критерия, учебная информация, а именно слова, которые хуже заучены с учетом их встречаемости в тексте (можно провести аналогию с подходом Г. Паска). В рассмотренных моделях возможность оптимального управления не реализована, так как на каждом шаге обучения предполагается заучивание всей учебной информации.

Характерной чертой рассматриваемых моделей является то, что они использовались для процессов обучения, в которых учебные задания представляют из себя совокупность несовпадающих между собой элементарных порций информации (слов), т.е. результат контроля знаний обучаемого описывается набором нулей и единиц (0 - правильный ответ, 1- в противном случае). Указанные процессы обучения, а соответственно и модели, можно отнести к проблеме обучения запоминанию.

Необходимо также отметить, что аппроксимация процессов обучения монотонной экспоненциальной кривой получила широкое распространение, в то же время несовпадение реального процесса обучения с монотонной экспонентой выявлено во многих экспериментах.

Близкой, по классу задач обучения (запоминание, распознавание), к рассмотренной модели является модель обучения, используемая в одной из первых интеллектуальных систем обучения SCHOLAR. Каждому факту из ИБ SCHOLAR сопоставлен флажок, указывающий, знает или не знает этот факт обучаемый. Стратегия обучения (адаптация к обучаемому) состоит в том, что система не повторяет вопроса, на который был дан правильный ответ.

Более общей и значимой с психолого-педагогической точки зрения является проблема обучения решению некоторого класса задач. В этом случае может потребоваться неоднократное применение той или иной операции, требуемой для выполнения учебной задачи.

Приведем пример модели обучения для указанной проблемы. Рассмотрим два основных компонента модели: метод идентификации знаний обучаемого по результатам текущего контроля и алгоритм управления формированием учебных заданий.

Предметной областью обучения для рассматриваемой модели является обучение навыкам дифференцирования, т.е. учебным заданием является аналитическое выражение, а набором применяемых операций - набор законов дифференцирования. Для описания обучаемого вводится вектор:

(1.9)

где: - вероятность правильного применения i-го закона дифференцирования на n-м шаге обучения;

- вероятность недопущения побочных ошибок на n-м шаге обучения.

Оценка осуществляется с помощью параметра, вычисляемого по формуле:

при     при (1.10)   при

где:- общее число применений i-го закона дифференцирования на

n-м шаге обучения;

- число допущенных ошибок на закон дифференцирования с номером i на n-м шаге обучения.

Начальные значения параметров задаются экспертом. Анализ формулы (1.10) для случая показывает, что при последовательном фактическом улучшении знаний обучаемого (например, на

(n-1) -м и n-м шагах обучения), заключающегося в уменьшении числа совершаемых ошибок на n-м шаге по сравнению с (n-1)-м и при условии, что они все-таки существуют, значение параметра меньше значения параметра,что не соответствует фактическому улучшению знаний. Для управления генераций учебных заданий на n-й шаг обучения используется R-распределение:

(1.11)

Задания генерируются таким образом, что алгебраические операции и функции, соответствующие изучаемым законам дифференцирования, появляются в них в соответствии с R-распределением, т.е. чем хуже усвоен закон, тем выше вероятность его использования в задании.

Использование R-распределения в качестве алгоритма управления формированием задания корректно лишь в том случае, когда операции, используемые при выполнении задания, не связаны между собой структурными и количественными отношениями, как это имеет место при обучении навыкам дифференцирования. В общем случае, при наличии связей, требуется использование других алгоритмов, учитывающих указанные зависимости.

Обучение программированию также можно отнести к проблеме обучения решению некоторого класса задач. Была предложена модель обучения, основанная на структурной сетевой модели предметной области. В состав обучающих воздействий включены следующие: текстовая информация о понятиях и конструкциях (1-й ранг), примеры языковых конструкций и тесты для проверки усвоения их семантики (2-й ранг), разбор примеров решения содержательных задач (3-й ранг), содержательные задачи на программирование для самостоятельного решения (4-й ранг). Основной акцент в организации адаптивного управления обучением сделан на перевод с одного ранга обучающих воздействий на другой в зависимости от уровня обученности обучаемого. Недостаточное внимание уделено проблеме адаптации при решении содержательных задач - наиболее важном этапе обучения, несущем наиболее полную информацию об уровне обученности. Едва ли обоснованным является перевод с одного ранга обучающих воздействий на другой в условиях отсутствия обратной связи, как это имеет место при использовании обучающих воздействий 1-го и 3-го рангов, которые могут рассматриваться как составляющие элементы средств помощи. Более естественной является такая организация обучения, при которой адаптация к индивидуальным характеристикам обучаемого осуществляется на этапе решения содержательных задач (в условиях наиболее полной обратной связи), а доступ к учебной информации (средствам помощи), заключенной в обучающих воздействиях 1-го и 3-го рангов, осуществляется по требованию самого обучаемого. При этом индивидуализация обучения может дополнительно достигаться за счет гипертекстовой организации указанных обучающих воздействий, при которой обучаемый сам может определить содержание и объем необходимой помощи. Кроме того, оптимизация содержания и объема индивидуальной помощи может эффективно обеспечиваться за счет предоставления возможности, характерной для технологии экспертных систем, задавать обучаемому вопросы типа "ПОЧЕМУ?" и получать от обучающей системы соответствующие ответы.

В дополнение к предложенному анализу моделей обучения необходимо сослаться на анализ организации адаптивного обучения в системах: GCAI, MALT, BIP, SOPHIE, WEST и других.

Ни одна из проанализированных моделей обучения не может использоваться для организации адаптивного обучения решению некоторого класса задач (для обучения некоторому виду формируемой де­ятельности) в общем случае. Косвенным подтверждением этого служит и то обстоятельство, что в ряде работ функциональные подсистемы ЭОС, включая и подсистему модели обучения, реализуются с помощью инструментальных средств проектирования экспертных систем (ЭС). Например, текущие версии ЭОС КОВАКС-УЧИТЕЛЬ реализованы с помощью следующих инструментальных средств проектирования ЭС: ИНТЕР-ЭКСПЕРТ, ЛЕОНАРДО и ЭКО. Тенденция проектирования алгоритмов управления обучением с помощью некоторых языковых средств нашла свое дальнейшее развитие в создании специализированных языков типа АВС-2. Указанный подход к разработке ЭОС содержит во многом недостатки, присущие процессу проектирования селективных АОС.

Таким образом, существующие модели обучения, обеспечивающие более высокий уровень адаптивности АОС, могут быть использованы для определенных классов задач обучения и при соблюдении требуемых ограничений.

Вопросы для самоконтроля

1. Что является основным требованием, предъявляемым к автоматизированным обучающим системам?

2. Кто является автором линейных программ?

3. Назовите основные особенности разветвленных программ Н.Краудера.

4. Формой построения каких программ является изложение одной и той же учебной информации на трех-четырех уровнях сложности?

5. Какой подход можно рассматривать как одну из основных методологий проектирования моделей обучения?

6. В чем заключается стратегия обучения, используемая в одной из первых интеллектуальных систем обучения SCHOLAR?

7. В каких случаях корректно использование R-распределения в качестве алгоритма управления формированием задания?

8. Что включено в состав воздействий модели обучения, основанной на структурной сетевой модели предметной области?

9. Что достигается за счет гипертекстовой организации указанных обучающих воздействий, при которой обучаемый сам может определить содержание и объем необходимой помощи?

10. Какая из проанализированных моделей обучения может использоваться для организации адаптивного обучения решению некоторого класса задач (для обучения некоторому виду формируемой де­ятельности) в общем случае? Почему?

Дата добавления: 2014-01-13