Компьютерные нейросетевые технологии как средство индивидуализированного обучения студентов физико-математических специальностей

Добровольская, Наталья Юрьевна

Темы диссертаций по педагогике » Теория и методика профессионального образования

автореферат и диссертация по педагогике 13.00.08 для написания научной статьи или работы на тему: Компьютерные нейросетевые технологии как средство индивидуализированного обучения студентов физико-математических специальностей

Автореферат

Автор научной работы: Добровольская, Наталья Юрьевна
Ученая степень: кандидата педагогических наук
Место защиты: Краснодар
Год защиты: 2009
Специальность ВАК РФ: 13.00.08

Диссертация

Автореферат диссертации по теме "Компьютерные нейросетевые технологии как средство индивидуализированного обучения студентов физико-математических специальностей"

На правах рукописи

Добровольская Наталья Юрьевна

КОМПЬЮТЕРНЫЕ НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ КАК СРЕДСТВО ИНДИВИДУАЛИЗИРОВАННОГО ОБУЧЕНИЯ СТУДЕНТОВ ФИЗИКО-МАТЕМАТИЧЕСКИХ СПЕЦИАЛЬНОСТЕЙ

13.00.08 - теория и методика профессионального образования

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата педагогических наук

Краснодар 2009

Работа выполнена на кафедре информационных образовательных технологий Кубанского государственного университета

Научные руководители: доктор педагогических наук,

профессор С.П. Грушевский,

кандидат физико-математических наук, доцент Ю.В. Кольцов

Официальные оппоненты: доктор педагогических наук,

профессор С.А.Бешенков

доктор педагогических наук, профессор А.И. Архипова

Ведущая организация: Ленинградский государственный

университет им. А.С.Пушкина

Защита состоится «26» мая 2009 г. в З.^о часов на заседании диссертационного совета Д.212.101.06 в Кубанском государственном университете по адресу: 350040, г. Краснодар, ул. Ставропольская, 149.

С диссертацией можно ознакомиться в библиотеке Кубанского государственного университета по адресу: 350040, г. Краснодар, ул. Ставропольская, 149 (читальный зал).

Автореферат разослан «_=&_» О^р&п^ 2009 г.

Ученый секретарь диссертационного совета

О.В.Засядко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность и постановка проблемы исследования. Глобальная информатизация человеческой деятельности - одна из доминирующих тенденций современного общества. Синтез педагогических и интеллектуальных информационных технологий позволяет качественно изменить образовательный процесс, индивидуализируя обучение. Согласно Концепции Федеральной целевой программы развития образования на 2006-2010 гг. одна из приоритетных задач модернизации российского образования - повышение качества профессионального образования, разработка технологий обучения, содержания и методов оценки образовательного процесса в соответствии с требованиями к уровню подготовки современного специалиста.

Проблеме индивидуализации обучения в педагогической литературе посвящены исследования A.A. Кирсанова, И.Э. Унт, JI.C. Выготского,

B.В. Давыдова, А.Н. Леонтьева, Ю.К. Бабанского, H.A. Менчинской, Э.Ю. Голубева и др. Под индивидуализированным обучением понимается обучение с учетом индивидуальных особенностей студентов, позволяющее создавать оптимальные условия наилучшего развития обучаемых, формирования их способностей, реализации возможностей студентов в различных сферах деятельности.

Внедрение современных интеллектуальных информационных технологий, в том числе технологий нейронных сетей, позволяет по-новому подойти к проблеме индивидуализации обучения. Использование компьютерных дидактических средств, основанных на принципах искусственного интеллекта, прежде всего реализует идеи личностно ориентированного обучения, позволяет максимально индивидуализировать учебно-воспитательный процесс, повышает качество обучения и способствует развитию индивидуальных способностей студентов.

C.B. Панюковой, И.В. Роберт, Н.Ф. Талызиной и др. Анализ специальной литературы показывает, что чем более полно учтены индивидуальные ресурсы личности, тем более она развивается как в личностном, так и в профессиональном плане.

Интеграция педагогических и нейросетевых технологий определяет новое средство обучения - нейросетевые компьютерные обучающие системы. Нейронные сети относятся к технологиям искусственного интеллекта и представляют собой математические модели биологических нейронных сетей. Их преимущество состоит в создании математического аппара-

та, которой в условиях большого объема, противоречивости и недостаточности диагностической информации способен решать задачи распознавания и категоризации образов. Этот аппарат позволяет: группировать контингент студентов по кластерам интегративных индивидуальных характеристик; осуществлять дифференциацию учебного материала по различным параметрам; выстраивать индивидуальные траектории обучения; учитывать динамику и возможности изменения траектории обучения студента.

Представляется актуальным исследование возможностей применения нейросетевых технологий для формирования параметрических моделей обучаемых, включающих характеристики, отражающие особенности когнитивного развития студентов (уровень усвоения знаний, динамику обу-ченности и т.д.); прогнозирования оптимальных траекторий обучения для конкретного индивидуума; моделирования различных учебных ситуаций, в которых раскрывается процесс не только обучения, но и развития личности. Реализация этого подхода требует создания компьютерных интеллектуальных дидактических систем, которые позволят прогнозировать индивидуальные траектории обучения и осуществлять в соответствии с ними учебный процесс.

Проблема построения модели обучаемого как основы индивидуализированного обучения исследовалась в последние годы в работах Г.А. Атанова, П.Л. Брусиловского, Т.Ю. Китаевской, Е.И. Машбиц, К.Г. Кречетникова, Ю.В. Кольцова и др. В трудах A.A. Арзамасцева и H.A. Зенковой для идентификации структуры и содержания комплексных психологических характеристик личности применяется аппарат нейронных сетей.

Однако специфика применения технологий нейронных сетей при формировании индивидуальных траекторий обучения, процесс конструирования нейросетевых обучающих систем изучены мало, что и обусловило актуальность темы исследования.

Теоретический анализ выявил следующие противоречия:

- между имеющимися образовательными возможностями информационных средств обучения, современных технологий искусственного интеллекта и недостаточно широким их применением в индивидуализированном обучении студентов различных специальностей, в том числе и физико-математических;

- между потребностью в дидактических технологиях и средствах обучения, обеспечивающих индивидуализированный подход через формирование индивидуальных траекторий обучения студентов вуза, и неполнотой педагогических исследований дидактического процесса и разработок технологий построения моделей компьютерных обучающих систем, использующих как средство индивидуализации обучения технологии искусственного интеллекта, в частности нейросетевые технологии;

- между наличием потребности обучения студентов умениям самостоятельного конструирования компьютерных дидактических средств на основе нейросетевых технологий и недостаточной технологической обеспеченностью этого дидактического процесса.

Эти противоречия обусловили проблему исследования, которая состоит в отсутствии разработок индивидуализации обучения через конструирование индивидуальных траекторий добывания и освоения знаний на основе использования возможностей компьютерных нейросетевых технологий в профессиональной подготовке студентов.

В процессе решения этой проблемы выявлен ряд подпроблем, суть которых состоит в необходимости:

- определения дидактических возможностей технологий нейронных сетей;

- выявления и обоснования закономерностей индивидуализированного подхода к обучению на основе дидактических возможностей нейросетевых компьютерных технологий, заключающегося в прогнозировании, формировании и реализации индивидуальных траекторий обучения студентов, направленных на их когнитивное развитие, учитывающих индивидуальные особенности обучаемых и обеспечивающих дифференциацию учебного материала;

- разработки технологии индивидуализированного обучения студентов (на примере курса программирования) на основе конструирования индивидуальных траекторий с использованием нейросетевой компьютерной обучающей системы;

- разработки модели проектирования нейросетевой компьютерной обучающей системы, позволяющей индивидуализировать процесс обучения;

- разработки методики обучения студентов педагогических специальностей конструированию нейросетевых компьютерных обучающих систем.

Объект исследования: процесс обучения студентов физико-математических специальностей вуза на основе компьютерных технологий.

Предмет исследования: индивидуализированное обучение через конструирование индивидуальных траекторий посредством компьютерных нейросетевых технологий в структуре подготовки студентов физико-математических специальностей.

Цель исследования: разработать и теоретически обосновать индивидуализированный подход в подготовке студентов к профессиональной деятельности через конструирование индивидуальных траекторий добывания и освоения знаний на основе нейросетевых технологий.

Гипотеза исследования включает следующие предположения:

- применение аппарата нейронных сетей как инструмента техноло-

гий искусственного интеллекта с учетом теории индивидуализированного обучения и личностно ориентированного подхода расширяет дидактические возможности компьютерных средств обучения;

- эффективность освоения учебных курсов, в частности базового содержания курса программирования, студентами физико-математических специальностей обеспечивается организацией индивидуализированного обучения посредством конструирования индивидуальных траекторий на основе компьютерных нейросетевых технологий;

- конструирование компьютерной нейросетевой обучающей системы как инструмента индивидуализированного обучения программированию осуществляется на базе интегративной функциональной модели проектирования, которая учитывает индивидуальные параметры обучаемого и использует возможности технологий нейронных сетей;

- обучение студентов - будущих учителей конструированию нейросетевых компьютерных обучающих систем стимулирует развитие дидактической, предметной и информационной компетентностей.

Цель и гипотеза исследования обусловили задачи:

1) выявить дидактические возможности и функции нейросетевых технологий, обосновать их использование в учебном процессе;

2) теоретически обосновать процедуру прогнозирования и формирования индивидуальной траектории обучения, основанной на структуре содержания учебного курса, модели характеристик обучаемого и возможностях нейросетевых технологий;

3) разработать технологию индивидуализированного обучения (на примере курса программирования) студентов физико-математических специальностей путем конструирования индивидуальных траекторий добывания и освоения знаний и формирования динамической модели характеристик обучаемого с использованием компьютерной нейросетевой дидактической системы;

4) разработать компьютерную нейросетевую обучающую систему по программированию для подготовки студентов физико-математических специальностей в качестве инструмента индивидуализированного обучения на основе функциональной модели проектирования подобных систем;

5) разработать методику обучения студентов конструированию нейросетевых компьютерных обучающих систем, позволяющую реализовать индивидуализированный подход к обучению.

Методологические основания исследования: фундаментальные работы в области методологии психолого-педагогической науки (Ю.К. Бабанский, В.П. Беспалько, В.И. Загвязинский, В.В. Краевский, И.Я. Лернер, М.Н. Скаткин и др.); системный подход в психологии (Б.Г. Ананьев, Б.Ф. Ломов и др.) и педагогике (В.Г. Афанасьев, Б.С. Гершунский, B.C. Ильин, Ю.А. Конаржевский, Н.В. Кузьмина, В.А. Сластенин, Э.Г. Юдин и др.).

Теоретические основания исследования: теории индивидуализации обучения (М.А. Данилов, A.A. Кирсанов, Е.С. Рабунский, М.Н. Скаткин, Н.Э. Унт и др.); концепция личностно ориентированного обучения (В.П. Бедерханова, Е.В. Бондаревская, C.B. Панюкова, В.В. Сериков, И.С. Якиманская и др.); теория построения нейронных сетей и основы искусственного интеллекта (Т.А. Гаврилова, A.A. Короткин, Д.А. Поспелов и др.); концепция информатизации образования и работы по развитию содержания обучения информатике (С.А. Бешенков, В.М. Монахов, A.A. Кузнецов, М.П. Лапчик, Е.А. Ракитина, И.В. Роберт, Н.И. Рыжова, Н.В. Софронова, Е.К. Хеннер и др.).

Достоверность и обоснованность результатов исследования обеспечивается: целостным подходом к решению проблемы; методологической обоснованностью исходных теоретических положений исследования; корректной организацией опытно-экспериментальной работы с применением методов, адекватных объекту, предмету, цели и задачам исследования; репрезентативностью опытно-экспериментальных данных; практическим подтверждением основных положений исследования и научной обработкой полученных в ходе эксперимента данных.

Для достижения целей исследования, проверки гипотезы и решения поставленных задач были использованы следующие методы исследования: изучение и анализ психолого-педагогической литературы; педагогическое наблюдение; анкетирование; эксперимент; качественные и количественные математические методы статистики; математическое и когнитивное моделирование.

База исследования: факультет компьютерных технологий и прикладной математики, факультет математики и компьютерных наук Кубанского государственного университета. Исследованием было охвачено 246 студентов и 27 учителей информатики школ Краснодарского края.

Организация и этапы исследования:

Первый этап (2002-2005 гг.) - подготовительный, в ходе которого осуществлялся анализ психолого-педагогической литературы, обобщался передовой опыт педагогических исследований форм организации процесса индивидуализированного обучения, была определена проблема исследования и сформулированы тема, цель, задачи и гипотеза.

Второй этап (2006-2007 гг.) - опытно-экспериментальный, в ходе которого были разработаны функциональная модель проектирования нейро-сетевой компьютерной обучающей системы, модель характеристик обучаемого, структура и компоненты обучающей системы и проведена экспериментальная проверка и анализ промежуточных результатов.

Третий этап (2007-2008 гг.) - обобщающий, в ходе которого было завершено построение нейросетевой компьютерной обучающей системы по курсу «Программирование» для физико-математических специальностей,

завершена экспериментальная проверка ее эффективности, проведен окончательный анализ полученных результатов и их оформление.

Научная новизна исследования заключается в следующем:

- выявлены, теоретически обоснованы и экспериментально проверены дидактические возможности применения технологий нейронных сетей, раскрывающиеся в индивидуализации учебного процесса подготовки специалистов в вузах посредством прогнозирования и формирования индивидуальных траекторий обучения студентов;

- на основе процедуры прогнозирования и формирования индивидуальных траекторий обучения студентов, учитывающих их индивидуальные особенности и использующих возможности технологий нейронных сетей, разработана технология индивидуализированного обучения студентов физико-математических специальностей программированию;

- разработана методика обучения студентов конструированию ней-росетевых компьютерных обучающих систем, обеспечивающая развитие их дидактической, предметной и информационной компетентностей.

Теоретическая значимость исследования:

- предложена процедура прогнозирования и формирования индивидуальных траекторий обучения студентов, основанная на дифференциации содержания учебного курса и дидактических возможностях технологий нейронных сетей (указанный подход отражает образовательные потребности и индивидуальные особенности обучаемых и выводит на качественно новый уровень их индивидуализированное обучение);

- предложена интегративная функциональная модель проектирования нейросетевой обучающей системы, которая учитывает индивидуальные особенности обучаемого, дифференцированное содержание учебного курса, возможности технологий нейронных сетей и играет в теории профессионального образования роль средства индивидуализированного обучения;

- разработана и теоретически обоснована модель характеристик обучаемого, использующая технологии нейронных сетей и включающая уровень усвоения знаний, интегративные психологические особенности студента, стратегию приобретения знаний.

Практическая значимость исследования состоит в следующем:

- предложена технология конструирования нейросетевой обучающей системы по программированию, обеспечивающая приращение дидактических возможностей индивидуализированных компьютерных систем;

- разработана нейросетевая обучающая система по курсу программирования для физико-математических специальностей, которая может использоваться в практической деятельности преподавателей младших курсов вузов, учителей старших классов школ, в самостоятельной работе студентов и учащихся, в дистанционном образовании;

- разработана методика построения практических заданий по программированию на основе фасетных тестов, выполняющих функции стимулирования активной познавательной деятельности обучаемых и создания условий для индивидуализированного обучения;

- создан учебно-методический комплекс для студентов физико-математических специальностей по курсу программирования, включающий сборник профессионально ориентированного дидактического обеспечения образовательной деятельности (учебные материалы и задания на многофакторную диагностику знаний, в том числе и в форме фасетных тестов).

На защиту выносятся следующие положения.

1. Применение технологий нейронных сетей при конструировании индивидуальных траекторий обучения в структуре подготовки студентов физико-математических специальностей обеспечивает условия для индивидуализированного обучения, поскольку расширяет функциональные возможности компьютерных обучающих систем; позволяет обеспечивать многообразие вариантов и траекторий развития обучаемых с учетом их психологических, личностных качеств и развиваемых компетенций; дает возможность строить параметрические модели характеристик обучаемого, учитывать образовательные запросы обучаемых и в соответствии с ними корректировать содержание, формы и методы обучения; адаптировать содержание учебного материала, ориентировать его на различные типы и уровни усвоения; осуществлять постоянный мониторинг действий и уровня обученности студентов.

2. Процедура прогнозирования и формирования индивидуальной траектории обучения студентов разработана на основе мультиграфа содержания учебного курса, параметров модели характеристик обучаемого и возможности технологий нейронных сетей адаптации к текущему состоянию модели.

3. Продуктивное освоение содержания курса программирования обеспечивается применением в учебном процессе технологии индивидуализированного обучения, реализуемой через индивидуальные траектории обучения и динамическую модель характеристик обучаемого. В качестве параметров, отражающих когнитивное развитие студента, модель использует общий интеллектуальный уровень, уровень знаний и умений, особенности памяти и мышления, стратегию приобретения знаний студентом.

4. Конструирование компьютерной нейросетевой обучающей системы по программированию может эффективно осуществляться на основе функциональной модели проектирования подобных систем. Модель состоит из содержательного, методического, технологического и информационного компонентов и отражает этапы построения нейросетевых обучающих систем, специфику содержания, форм, методов и средств индивидуализированного обучения.

5. Методика обучения студентов конструированию нейросетевых компьютерных обучающих систем стимулирует формирование дидактической компетентности, что выражается в умении выполнять педагогическое проектирование, знании дидактических свойств компьютерных нейросетевых обучающих систем; предметной компетентности (умение отбирать содержание и формы представления учебного материала) и информационной компетентности (умение создавать файлы фасетных заданий, навыки алгоритмизации и программирования), что в комплексе создает условия для развития профессионально значимых качеств будущего учителя.

Апробация и внедрение результатов исследования проходили на базе Кубанского государственного университета, Краснодарской академии МВД России, школ г. Краснодара (№4, №23), осуществлялись в форме научных докладов на международных, всероссийских и межрегиональных научно-практических конференциях (Армавир, 2008; Владикавказ, 2002; Краснодар, 2004-2006; Москва, 2009; Оренбург, 2008; Орехово-Зуево, 2002), семинарах кафедр информационных технологий и информационных образовательных технологий Кубанского государственного университета (2002-2009). Основные положения, выводы, рекомендации исследования, имеющие теоретическое и практическое значение, содержатся в 12 публикациях.

Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения, библиографического списка и семи приложений.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обоснована актуальность темы, сформулированы цель исследования, его объект, предмет, гипотеза и задачи, перечислены методы, указаны научная новизна, практическая значимость исследования и основные положения, выносимые на защиту.

В первой главе «Педагогические основы применения информационных технологий для организации индивидуализированного обучения» рассмотрена проблема индивидуализации обучения и психолого-педагогические аспекты, связанные с возможностью и дидактической целесообразностью применения средств новых интеллектуальных информационных технологий в профессиональном образовании, проведен анализ требований к построению интеллектуальных педагогических программных средств.

Под индивидуализацией обучения понимается учебно-воспитательный процесс, структура которого строится с учетом индивидуальных особенностей студентов и ориентируется на создание оптимальных условий для обучения и развития каждого обучаемого.

Анализируя работы, посвященные личностно ориентированному и развивающему обучению (Л.И. Анцыферова, A.B. Петровский,

B.B. Сериков, Э.Ф. Зеер, И.С. Якиманская и др.), необходимо отметить существенные для индивидуализации обучения требования к компьютерным дидактическим средствам: учет образовательных запросов студентов и в соответствии с ними корректировка содержания, форм и методов обучения; стимулирование постоянной мотивации обучаемых, подкрепляемой целенаправленностью, активными формами работы, высокой наглядностью и своевременной обратной связью; диагностика обучаемого перед началом работы; ориентирование содержания учебного материала на различные типы и уровни усвоения; блочная или модульная структура системы; наличие динамической модели обучаемого; постоянный мониторинг действий и состояний обучаемого.

Проведенный в нашей работе анализ современных подходов к использованию интеллектуальных информационных технологий в рамках компьютерной поддержки обучения студентов позволяет выделить важное направление применения таких технологий, как эффективное инструментальное средство индивидуализированного обучения программированию. Основой предложенного подхода служат нейросетевые технологии, связанные с методами прогнозирования и распознавания образов и позволяющие формировать индивидуальные траектории обучения студентов. Нейросетевая технология - это технология построения искусственных нейронных сетей - математических моделей биологических нейронных сетей.

Анализ тенденций развития компьютерных обучающих систем и дидактических возможностей нейросетевых технологий позволяет дать следующее определение. Нейросетевая компьютерная обучающая система (НКОС) - это педагогическое программное средство, которое способно адаптироваться к образовательным запросам студентов, т. е. подбирать содержание учебного материала в зависимости от их образовательных запросов; строить индивидуальные траектории обучения посредством аппарата нейронных сетей; параметрически моделировать характеристики обучаемого, т.е. обеспечивать в процессе функционирования учет различных индивидуальных особенностей студентов. Преимущества применения нейро-сетевой обучающей системы в учебном процессе заключаются в следующем: индивидуализация обучения в условиях массового учебного процесса; адаптация процесса обучения к индивидуальным характеристикам обучаемых; моделирование характеристик обучаемого; развитие творческой активности и способностей студентов в процессе обучения; возможность дистанционного обучения; возможность самостоятельного обучения; планирование и контроль процесса обучения; разгрузка преподавателя от трудоемких операций, не требующих творческих действий; возможность сбора и анализа статистики учебного процесса.

Исследование общей структуры обучающих систем, процесса педагогического проектирования (H.A. Алексеев, В.И. Гинецинский, Д. Джонс, В.В. Краевский и др.) позволяет заключить, что определяющий характер в

индивидуализации обучения имеет состав и функциональное назначение модели обучаемого. Модель обучаемого позволяет формализовать представления о нем, отражает процесс моделирования когнитивного потенциала обучаемого, описывает его декларативные и процедурные знания об изучаемой предметной области и индивидуальные характеристики обучаемого, обладает личностно ориентированными свойствами. Вслед за С.А. Изюмовой, К.Г. Кречетниковым, Е.И. Машбиц мы рассматриваем индивидуализированное обучение как обучение, основанное на модели обучаемого и выдающее управляющие воздействия с учетом модели. Анализируя различные модели представления знаний обучаемого и модели индивидуально-психологических характеристик (В.Н. Агеев, Г.А. Атанов, П.Л. Брусиловский, Т.А. Гаврилова, Т.Ю. Китаевская, Ю.В. Кольцов и др.), нами выделен базовый набор составляющих модели. Однако следует отметить, что использование нейросетевых технологий позволяет создавать параметрические модели, состав которых может варьироваться.

На основе проведенного анализа применения нейросетевых технологий в процессе обучения и выявления их дидактических свойств в работе сделан вывод о педагогической целесообразности использования нейросетевых технологий как средства индивидуализированного обучения студентов. Индивидуализация обучения раскрывается через прогнозирование и формирование индивидуальных траекторий обучения путем применения в учебном процессе компьютерной нейросетевой обучающей системы.

Во второй главе «Применение нейросетевых технологий в индивидуализированном обучении студентов» рассмотрены теоретические аспекты построения процесса индивидуализированного обучения с применением нейросетевых технологий и особенности проектирования нейросетевой обучающей системы на базе модели характеристик обучаемого.

Индивидуализированный подход к обучению программированию студентов физико-математических специальностей предполагает следующие шаги: измерение индивидуальных характеристик студентов, группировку контингента по кластерам интегративных индивидуальных характеристик, дифференциацию учебного материала по различным параметрам, выстраивание индивидуальных траекторий обучения. Реализация этого подхода отражается в предлагаемой технологии индивидуализированного обучения. Она включает несколько этапов: проектирование состава и структуры нейросетевой компьютерной обучающей системы, проектирование содержания учебного курса, разработку модели характеристик обучаемого, проектирование этапов индивидуализированного обучения, организацию индивидуальной траектории обучения.

Проектирование нейросетевой компьютерной обучающей системы основано на функциональной модели проектирования учебно-информационного комплекса (А.И. Архипова, С.П. Грушевский). В процессе проектирования синтезируются содержание учебного курса, техно-

логический подход формирования методик извлечения и освоения знаний, локальные дидактические технологии, педагогические возможности информационных технологий, использующих нейронные сети (рис. 1).

Нормативные документы Программа учебного курса

г-1—I

Теоретический Практический компонент компонент

Инструментальные среды для разработки компьютерных обучающих систем

Аппарат нейронных сетей Языки программирования и трансляторы

Технология индивидуализированного обучения Способы обратной связи

Инструментальные средства педагогических технологий

Способы диагностики и контроля

Рис. 1. Функциональная модель проектирования НКОС

Проектирование НКОС предполагает следующие этапы: 1) проведение теоретического и методического анализа изучаемого содержания программирования; 2) построение структуры изучаемой теории программирования; 3) формирование набора задач, соответствующего изучаемой теории; 4) тематическое планирование учебного курса в соответствии с программой курса; 5) выбор методов обучения в зависимости от содержания учебного материала; 6) разработка модели характеристик обучаемого; 7) разработка технологии диагностики и контроля знаний; 8) разработка технологии индивидуализированного обучения программированию, основанной на прогнозировании и формировании индивидуальной траектории обучения; 9) построение структуры НКОС, определение функций структурных элементов и их назначения для реализации целей и задач учебно-

познавательной деятельности; 10) программная реализация и корректировка системы.

Как теоретический базис технологии индивидуализированного обучения нами разработана процедура прогнозирования и формирования индивидуальной траектории обучения программированию студентов физико-математических специальностей. Оно происходит на основе значений модели характеристик обучаемого. К функциям модуля формирования модели относятся проведение первоначального психологического тестирования, определение начального уровня знаний по учебному курсу и собственно формирование модели. На основе значений параметров модели обучаемого нейронная сеть как инструмент НКОС строит первый обучающий блок. Обучающий блок связан с блоком диагностики и контроля, включающим автоматизированную интерактивную систему тестирования. Блок обеспечивает постоянный педагогический мониторинг процесса выполнения заданий обучающего блока и динамики изменения параметров модели обучаемого. Параметры обновленной модели обучаемого поступают на вход нейронной сети, которая выбирает очередной этап индивидуальной траектории обучения.

Применение нейросетевых технологий при прогнозировании и формировании траектории обучения позволяет: использовать результаты обучения каждого следующего студента для совершенствования структуры нейронной сети; осуществлять автоматическую настройку коэффициентов сети для учета динамики изменений траектории обучения различных групп студентов; адаптироваться к условиям, изменяющимся в процессе формирования траектории; использовать ее возможности для решения задачи формирования индивидуальных траекторий обучения в любой предметной области.

Проектирование содержания учебного курса, его дидактическая трансформация являются не только опорным этапом для построения индивидуальной траектории обучения, но и ядром структуры учебно-познавательной деятельности. Нами предложена классификация способов изложения учебного материала, соответствующих нескольким уровням усвоения, и классификация учебного материала по формам представления (см. таблицу).

Процедура формирования индивидуальной траектории обучения представлена в виде ориентированного мультиграфа, вершины которого соответствуют структурным единицам учебного материала, а ребра - отношениям порядка. Ориентация ребер отражает порядок навигации по учебному материалу в соответствии с определенной индивидуальной траекторией обучения. Отношения подразделяются на пять типов. Тип а - переход вперед, к следующей вершине, тип Ъ - переход назад, к предыдущей вершине, тип с - переход к вершине, содержащей обобщающий материал, либо возврат на уровень иерархии подчиняющей вершины, тип с! - переход

к вершинам, декомпозируемым на нижележащем уровне, тип е - переход к опорным вершинам.

Классификация учебного материала

Подтип 1. Основные определения, понятия и алгоритмы

Подтип 2. Основные определения, понятия и алгоритмы с пояснениями, ссылками на предыдущие базовые факты_

Подтип 3. Подробное пошаговое описание материала, наиболее полное его описание

Подтип 1. Разбор системного примера, включающего иллюстрацию ключевых моментов изучаемого учебного материала_

Подтип 2. Рассмотрение последовательности примеров, каждый из которых отдельно поясняет основные понятия изучаемого учебного материала

Подтип 3. Разбор одного или нескольких примеров, иллюстрирующих сложные или частные ситуации рассматриваемой учебной темы. Ознакомление с примерами носит исследователь-

Формы представления учебного материала

Форма 1. Текстовая форма, при необходимости включающая рисунки Форма 2. Форма блок-схем, отражающая работу алгоритмов и процессов Форма 3. Анимационная форма, наглядно иллюстрирующая выполнение алгоритмов и процессов

Для индивидуализации обучения, создания индивидуального портрета конкретного учащегося система обучения должна формировать модель обучаемого. С одной стороны, выбор набора характеристик обучаемого основан на обобщенном профиле студента, характеристиках и особенностях, использованных в моделях обучаемого Г.А. Атанова, П.Л. Брусиловского, Т.А. Гавриловой, Т.Ю. Китаевской и др. С другой стороны, особенности технологии нейронных сетей позволяют сформировать параметрическую модель. Педагог, в соответствии с поставленной целью обучения, может сформировать собственную модель обучаемого, включив в нее желаемые характеристики студента.

Для выявления характеристик обучаемого нами разработан компьютерный тест, содержащий различные психологические методики (Дж. Гласс, Дж. Стэнли, B.C. Гончаров, А.И. Допира, Г.В. Дьяконов и др.). Состав набора психологических характеристик в нашем случае определяется когнитивной направленностью развития обучаемого и основан на тех компетенциях, которые следует развить у студента в процессе обучения программированию с применением НКОС.

На базе факультета компьютерных наук и прикладной математики Кубанского государственного университета был проведен эксперимент по выявлению значений характеристик студентов 1-го курса (80 человек). Методами кластерного и дискриминантного анализа определены качественные составы трех кластеров обучаемых, которые используются нейронной сетью Хемминга для классификации учащихся. К первому кластеру отно-

сятся наиболее выраженные значения психологических характеристик, к третьему - наименее выраженные.

Модель включает такую характеристику, как уровень усвоения знаний обучаемым. Этот параметр наряду с кластером психологических характеристик определяет стратегию приобретения знаний студента. Уровень усвоения, стратегия приобретения знаний динамически обновляемы и для их корректировки необходимы данные входного и текущего контроля знаний, информация о поведении обучаемого при изучении новой учебной темы.

Модель характеристик обучаемого приведена на рис. 2.

Динамические характеристики Психологические характеристики

Рис. 2. Формирование модели характеристик обучаемого

Основные педагогические задачи, на решение которых направлены проектирование и реализация нейросетевой компьютерной обучающей системы: 1) организация познавательной деятельности студентов по овладению профессиональными знаниями, умениями и навыками; 2) развитие познавательных и творческих способностей обучаемого;

3) стимулирование учебно-познавательной активности учащихся;

4) формирование учебных умений и навыков для последующего самообра-

зования и творческой деятельности; 5) формирование научного мировоззрения и воспитание нравственно-эстетической культуры. Нейросетевая компьютерная обучающая система выполняет образовательную, развивающую и воспитывающую функции.

Таким образом, разработанная технология индивидуализированного обучения основана на процедуре прогнозирования и формирования индивидуальных траекторий обучения, дидактических возможностях нейронных сетей, динамической модели характеристик обучаемого и использует в качестве инструмента компьютерную нейросетевую обучающую систему.

В третьей главе «Технология конструирования пейросетевой компьютерной обучающей системы» рассматриваются этапы конструирования системы, методика обучения студентов конструированию, технология диагностики и контроля знаний в системе, приводится экспериментальное обоснование эффективности применения нейросетевых технологий при индивидуализированном обучении программированию.

Процесс конструирования нейросетевой обучающей системы осуществляется на основе функциональной модели проектирования и включает этапы выделения модулей системы, описание ее структуры и алгоритма функционирования. Структура нейросетевой обучающей системы представлена на рис. 3.

Рис.3. Структура нейросетевой компьютерной обучающей системы

Технология индивидуализированного обучения предполагает формирование индивидуальной траектории. Выделим этапы конструирования та-

кой траектории с использованием нейронных сетей в компьютерной обучающей системе: 1) выбор типа нейронной сети, решающей задачу определения очередной точки траектории обучения; 2) разработка структуры входного и выходного векторов нейронной сети; 3) разработка стратегий приобретения знаний для основных кластеров, выделенных на начальном этапе взаимодействия студентов с обучающей системой; 4) формирование обучающей выборки нейронной сети, базирующейся на разработанных стратегиях; 5) программная реализация нейронной сети.

Далее предлагается методика организации обучения студентов конструированию НКОС. В процессе освоения и применения технологии конструирования студенты физико-математических педагогических специальностей формируют не только навыки владения техникой алгоритмизации и программирования, но и профессионально-педагогические умения. Профессиональная компетентность учителя, согласно Н.Л. Стефановой, представлена дидактической, предметной и информационно-коммуникационной составляющими. На основе анализа структуры деятельности педагога при конструировании и применении НКОС выявлен комплекс профессионально значимых умений учителей, формируемых в процессе обучения конструированию нейросетевых обучающих систем. К ним относятся: умение выполнять педагогическое проектирование; знание структуры НКОС; знание дидактических свойств компьютерных обучающих систем; умение формировать учебно-тренировочные задачи; умение отбирать содержание учебного материала; умение выбирать формы представления учебного материала; умение создавать файлы фасетных учебных заданий; навык алгоритмизации и программирования; умение организовать проведение уроков в компьютерном классе.

Для проверки гипотезы исследования был проведен педагогический эксперимент. В третьей главе описаны этапы и формы педагогического эксперимента, приведены его количественные результаты, представлены критерии и оценки результатов внедрения технологии индивидуализированного обучения. Опытно-экспериментальная работа позволила: 1) выявить экспертную оценку НКОС; 2) оценить эффективность индивидуализированного обучения с применением НКОС; 3) проверить исходную гипотезу исследования. Нами были проведены контрольные работы по программированию, тестирование профессионально значимых умений и навыков, приобретенных студентами после обучения, и анкетирование студентов. Выборка для проведения эксперимента включала студентов 1-го курса факультета компьютерных технологий и прикладной математики и 5-го курса факультета математики и компьютерных наук. При анализе итогов применялись: сравнение распределения результатов выполнения заданий в экспериментальной и контрольной группах по критериям Вальда -Вольфовица, Колмогорова - Смирнова, медианному критерию и качест-

Неуд.

Удовл.

Хорошо Отлично

венное сравнение результатов по критерию Фишера и Т-критерию Вилкок-сона.

Было установлено, что в экспериментальной группе результаты выполнения заданий по программированию стохастически выше, проявляется тенденция роста среднего балла (прирост среднего балла успеваемости за время проведения эксперимента в экспериментальной группе составил 0,8, в контрольной -0,64).

На рис. 4 приведены показатели успешности выполнения итоговой контрольной работы в экспериментальной и контрольной группах.

На основе требований, предъявляемых к специалисту в соответствии с государственным стандартом образования, нами выделено шесть факторов оценки качества знаний студента: умение использовать математические модели для разработки проекта решения задачи; алгоритмическое МЫШ- РИС- 4. Сравнительная диаграмма успешности выполнения ление; применение итоговой контрольной работы по группам

языков программирования; владение компьютерными методами сбора, хранения и обработки информации; способность к формализации; логическое мышление. Результаты теста профессионально значимых умений и навыков (36 задач, по 6 задач на каждый фактор) были оценены по методу и-критерия Манна - Уитни. Доказано, что уровень профессионально значимых умений и навыков студентов в контрольной группе ниже уровня студентов в экспериментальной группе (иэмп(53) < и0,05(72)). После обучения с помощью НКОС построены гносеологические поля экспериментальной и контрольной групп (рис. 5).

После применения НКОС на практических занятиях в экспериментальной группе было проведено анкетирование участников эксперимента. Рассчитаны индексы удовлетворенности применения нейросетевых технологий в индивидуализированном обучении с точки зрения учащегося. В целом студенты проявили положительное отношение к факту применения нейросетевых компьютерных обучающих систем на практических занятиях (94%), указали на более эффективное запоминание нового учебного материала (92%), решение большего количества примеров по учебной теме

□ Экспериментальная

I Контрольная

(83%). Основной индекс целесообразности (Н.В. Кузьмина) применения нейросетевой компьютерной обучающей системы по программированию на практических занятиях составил 0,7.

После обучения студентов 5-го курса конструированию НКОС был применен метод самооценки (на основе анкетирования), суть которого заключалась в оценивании студентом той или иной компетентности, развивающейся в результате получения навыков конструирования. Наивысшую оценку своей дидактической компетентности дали 77% студентов, педагогической - 57% и информационной - 47%.

Функциональная модель проектирования и созданная на ее основе компьютерная нейросетевая обучающая система по программированию получили высокую оценку учителей информатики г. Краснодара и Краснодарского края (81,2% опрошенных отметили целесообразность применения НКОС на уроках информатики).

Итак, полученные результаты подтверждают выдвинутую гипотезу об организации индивидуализированного подхода к обучению студентов через формирование индивидуальных траекторий добывания и освоения знаний на основе технологий нейронных сетей, обеспечивающего эффективное освоение содержания курса программирования, стимулирование развития компетентностей будущего учителя, расширение дидактических возможностей компьютерных средств обучения.

В заключении диссертации подведены итоги исследования, сформулированы основные результаты:

1. Применение компьютерных нейросетевых технологий в обучении через конструирование индивидуальных траекторий добывания и освоения знаний обеспечивает индивидуализированный подход к обучению. Использование аппарата нейронных сетей расширяет дидактические возможности компьютерных средств обучения; позволяет соотносить содержание, формы и методы обучения в соответствии с образовательными запросами студентов; осуществлять автоматическую настройку коэффициентов нейронной сети для учета динамики изменений траектории обуче-

ния; ориентировать учебный материал на различные типы и уровни усвоения; учитывать психологические, личностные качества и развиваемые компетенции обучаемых.

2. Разработанная и теоретически обоснованная процедура прогнозирования и формирования индивидуальной траектории обучения студентов на основе дифференциации учебного материала по различным параметрам, мультиграфа содержания учебного курса, параметров динамической модели характеристик обучаемого и возможностей нейронных сетей отражает образовательные потребности и индивидуальные особенности студентов, учитывает динамику изменения траекторий, обеспечивает индивидуализированный подход к обучению.

3. Предлагаемая технология индивидуализированного обучения программированию формируется в соответствии с требованиями информатизации и гуманитаризации образования, обеспечивает конструирование индивидуальных траекторий добывания и освоения знаний студентами, учитывает индивидуальные особенности обучаемого в динамической модели его характеристик. Ее применение в учебном процессе статистически опосредовано подтверждает эффективное освоение учебных курсов.

4. Компьютерная нейросетевая обучающая система (на примере курса программирования) служит инструментом индивидуализированного обучения студентов и базируется на функциональной модели проектирования подобных систем. Функциональная модель синтезирует содержательный, информационный, дидактический и технологический компоненты, использует модель характеристик обучаемого и возможности технологий нейронных сетей и может служить теоретической основой для создания новых интеллектуальных компьютерных дидактических средств.

5. Разработанная методика обучения конструированию нейросетевых компьютерных обучающих систем для студентов физико-математических специальностей ориентирована на формирование профессиональных умений и личностных качеств, стимулирует развитие их дидактической, предметной и информационной компетентностей и включает следующие этапы: изучение основ конструирования интеллектуальных обучающих систем, в том числе нейросетевых; овладение нейросетевыми технологиями как математическим аппаратом построения интеллектуальных систем; разработка модели характеристик обучаемого; подготовка учебных материалов индивидуализированного обучения.

6. Педагогический эксперимент показал эффективность применения разработанного индивидуализированного подхода в обучении через формирование индивидуальных траекторий путем конструирования нейросе-тевой компьютерной обучающей системы. Указанный подход создает педагогические условия для развития интеллектуальных способностей, прочную мотивационную основу обучения, базу для формирования предметных знаний и умений, способствующую активизации познавательной дея-

тельности и формированию профессиональной компетентности студентов физико-математических специальностей.

7. Выполненное исследование открывает новые перспективы применения нейросетевых технологий в индивидуализированном обучении студентов гуманитарных и естественно-научных специальностей.

Список научных публикаций автора по теме диссертации в изданиях, рекомендованных ВАК:

1. Грушевский СЛ., Добровольская Н.Ю., Кольцов Ю.В. Организация учебного процесса на основе нейросетевой компьютерной обучающей системы//Вестник Адыгейского гос. ун-та. Сер.: Педагогика и психология. 2008. №7. С. 154-159.

2. Добровольская Н.Ю. Индивидуализация обучения посредством применения технологий нейронных сетей II Информатика и образование. 2009. №4. С. 107-108.

3. Добровольская Н.Ю. Применение нейросетевой технологии при конструировании компьютерных дидактических средств // Вестник Адыгейского гос. ун-та. Сер.: Педагогика и психология. 2009. №1. С. 171-174.

Другие публикации:

4. Кольцов Ю.В., Добровольская Н.Ю. Модель обучаемого на основе нейронных сетей // Новые информационные технологии в науке, образовании, экономике: материалы Междунар. науч.-практ. конф. Владикавказ, 2002. С. 11-12.

5. Добровольская Н.Ю., Кольцов Ю.В. Применение нейронных сетей в решении задач адаптивного обучения//IEEE International Conference on Advanced Learning Technolodgies. Казань, 2002. С. 363-365.

6. Добровольская Н.Ю., Кольцов Ю.В. Нейросетевые модели в адаптивном компьютерном обучении // Educational Technolodgy & Society. 2002. №5 (2). С. 213-216.

7. Добровольская Н.Ю., Кольцов Ю.В. Выбор параметров модели обучаемого // Новые технологии в обучении математике и информатике в вузе и школе: материалы Междунар. конф. Орехово-Зуево, 2002. С. 56-58.

8. Добровольская Н.Ю. Оптимизация набора психофизиологических признаков, включенных в модель обучаемого // Экологический вестник научных центров Черноморского экономического сотрудничества: материалы II школы-семинара «Математическое моделирование, вычислительная механика и геофизика». Краснодар, 2005. С. 113-114.

9. Кольцов Ю.В., Добровольская Н.Ю. Экспериментальное исследование влияния психофизиологических характеристик обучаемого на уровень восприятия информации // Экологический вестник научных центров Черноморского экономического сотрудничества. Прил. №1. Краснодар, 2005. С. 30-32.

10.,Добровольская Н.Ю. Формирование плана учебных воздействий с помощью нейросети // Экологический вестник научных центров Черноморского экономического сотрудничества. Краснодар, 2006. С. 95-97.

11. Добровольская Н.Ю. Технология построения фасетного теста по программированию для студентов физико-математических специальностей // Математика. Информационные технологии. Образование: сб. науч. тр. Оренбург, 2008. С. 306-309.

12. Грушевский С.П., Добровольская Н.Ю. Компьютерные нейросете-вые технологии в индивидуализированном обучении студентов математических специальностей // Наука в вузах: математика, физика, информатика. Проблемы высшего и среднего профессионального образования: материалы Междунар. науч.-образов, конф. РУДН. Москва, 2009. С. 872-874.

Автореферат

Добровольская Наталья Юрьевна

Подписано в печать 15.04.2009. Формат 60x84 1/16. Бум. тип. № 1. Уч.-изд. л. 1,5. Усл. печ. л. 1,5. Тираж 100 экз. Заказ № 641 от 20.04.09. Кубанский государственный университет.

350040, г. Краснодар, ул. Ставропольская, 149. Центр "Универсервис", тел. 21-99-551.

Содержание диссертации автор научной статьи: кандидата педагогических наук, Добровольская, Наталья Юрьевна, 2009 год

ВВЕДЕНИЕ

Глава 1. Педагогические основы применения информационных технологий для организации индивидуализированного обучения.

1.1. Проблемы индивидуализации обучения.

1.2. Личностно ориентированное обучение как теоретическая основа проектирования индивидуализированных обучающих систем.

1.3. Этапы педагогического проектирования обучающих систем. Анализ подходов к моделированию характеристик обучаемого.

1.4. Нейросетевая компьютерная обучающая система как когнитивная технология индивидуализации обучения.

Выводы к главе 1 .■.

Глава 2. Применение нейросетевых технологий в индивидуализированном обучении студентов.

2.1. Функциональная модель проектирования нейросетевой обучающей системы.

2.2. Формирование индивидуальной траектории обучения в компьютерной обучающей системе.

2.3. Проектирование модели характеристик обучаемого.

Выводы к главе 2.

Глава 3. Технология конструирования нейросетевой компьютерной обучающей системы

3.1. Технология индивидуализированного обучения с применением нейронных сетей

3.2. Этапы конструирования нейросетевой компьютерной обучающей системы.

3.3. Технология диагностики и контроля знаний в нейросетевой обучающей системе. Методика построения практических заданий по программированию на основе фасетных тестов.

3.4. Методика обучения студентов конструированию нейросетевых компьютерных обучающих систем.

3.5. Экспериментальное обоснование эффективности использования нейросетевых компьютерных технологий в индивидуализированном обучении программированию.

Выводы к главе

Введение диссертации по педагогике, на тему "Компьютерные нейросетевые технологии как средство индивидуализированного обучения студентов физико-математических специальностей"

Глобальная информатизация всех сторон человеческой деятельности — одна из доминирующих тенденций современного общества. В связи с этим информатизация образования является одним из важнейших направлений реализации современной образовательной парадигмы. Синтез педагогических и интеллектуальных информационных технологий позволяет качественно изменить дидактический процесс, индивидуализировать обучение. Согласно Концепции Федеральной целевой программы развития образования на 2006-2010 годы одной из ключевых приоритетных задач модернизации российского образования является повышение качества профессионального образования, разработка технологий обучения, содержания и методов оценки образовательного процесса в соответствии с требованиями к уровню подготовки современного специалиста.

Проблеме индивидуализации обучения в современной педагогической литературе посвящены исследования A.A. Кирсанова, И.Э. Унт, JI.C. Выгодского, В.В. Давыдова, А.Н. Леонтьева, Ю.К. Бабанского, H.A. Менчинской, Э.Ю. Голубева и др. По мнению авторов под индивидуализированным обучением, сложным и многозначным явлением, понимается обучение с учетом индивидуальных особенностей студентов, позволяющее создавать оптимальные условия наилучшего развития обучаемых, формирования их способностей, реализации возможностей студентов в различных сферах деятельности.

Внедрение современных интеллектуальных информационных технологий, в частности технологий нейронных сетей, позволяет по-новому подойти к проблеме индивидуализации обучения. Использование компьютерных дидактических средств, основанных на принципах искусственного интеллекта, прежде всего, осуществляет идеи личностно ориентированного обучения, позволяет максимально индивидуализировать учебно-воспитательный процесс, повышает качество обучения и способствует развитию индивидуальных способностей студентов.

Психолого-педагогическим аспектам внедрения компьютерных информационных технологий, использованию различных методов, средств и педагогических технологий информатизации учебного процесса посвящены работы А.И. Архиповой, В.П. Беспалько, С.А. Бешенкова, Т.А. Бороненко, Б.С. Гершунского, С.П. Грушевского, A.A. Кузнецова, К.Г. Кречетникова, М.П. Лапчика, Е.И. Машбиц, В.М. Монахова, C.B. Панюковой, И.В. Роберт, Н.Ф. Талызиной и др. Анализ трудов отечественных и зарубежных авторов показывает,.что чем более полно учтены индивидуальные ресурсы личности, тем более она' развивается1 как в личностном, так и в профессиональном плане.

Интеграция педагогических и интеллектуальных информационных технологий, в частности нейросетевых технологий, определяет новый вид интеллектуального компьютерного средства обучения — нейросетевые компьютерные обучающие системы, которые осуществляют индивидуализацию и адаптацию учебного процесса к запросам обучаемого посредством аппарата нейронных сетей. Нейронные сети относятся к технологиям искусственного интеллекта и . представляют собой математические модели биологических нейронных сетей. Основное преимущество нейронных сетей заключается в том, что они позволяют создавать математический аппарат, которой в условиях разнообразия, большого объема, противоречивости и недостаточности различной диагностической информации способен решать задачи распознавания и категоризации образов. Указанный математический аппарат позволяет: измеряя характеристики студента и применяя методы кластерного анализа, группировать контингент по кластерам интегративных индивидуальных характеристик; осуществлять дифференциацию учебного материала по различным параметрам; выстраивать индивидуальные траектории обучения; учитывать динамику и возможности изменения траектории обучения студента.

Представляется актуальным исследование возможностей применения нейросетевых технологий для формирования параметрических моделей обучаемых, включающих характеристики, отражающие особенности когнитивного развития студентов (уровень усвоения знаний, динамику обученности и т.д.); прогнозирования оптимальных траектории обучения для конкретного индивидуума; моделирования различных учебных ситуаций, в которых раскрывается не только процесс обучения, но и процесс развития личности. Реализация этого подхода требует создания компьютерных интеллектуальных дидактических систем, которые позволяли бы прогнозировать индивидуальные траектории обучения и осуществлять в соответствии с ними учебный процесс.

Проблема построения модели обучаемого как основы индивидуализированного обучения исследовалась в последние годы в работах Г.А. Атанова, П.Л. Брусиловского, Т.Ю. Китаевской, Е.И. Машбиц, К.Г. Кречетникова, Ю.В. Кольцова и др. В работах A.A. Арзамасцева и H.A. Зенковой для идентификации структуры и содержания комплексных психологических характеристик личности применяется аппарат нейронных сетей.

Однако применение технологий нейронных сетей при формировании индивидуальных траекторий обучения, процесс конструирования нейросетевых обучающих систем мало изучен, что и обусловило актуальность темы данного исследования.

Теоретический анализ выявил следующие противоречия:

- между имеющимися образовательными возможностями информационных средств обучения, современных технологий искусственного интеллекта и недостаточным их применением в обеспечении индивидуализированного обучения студентов различных специальностей, в том числе и физико-математических;

- между потребностью в дидактических технологиях и средствах обучения, обеспечивающих индивидуализированный подход через формирование индивидуальных траекторий обучения студентов вуза и недостаточностью педагогических исследований дидактического процесса и разработок технологий построения моделей компьютерных обучающих систем, использующих как средство индивидуализации обучения технологии искусственного интеллекта, в частности нейросетевые технологии;

Эти противоречия обусловили проблему исследования, которая состоит в отсутствии разработок, индивидуализации обучения через конструирование индивидуальных траекторий добывания и освоения знаний на основе использования возможностей' компьютерных нейросетевых технологий в профессиональной подготовке студентов.

В процессе решения этой проблемы выявлен- ряд подпроблем, суть которых состоит в необходимости:

- выявления дидактических возможностей технологий нейронных сетей;

- выявления и обоснования закономерностей индивидуализированного подхода к обучению на основе дидактических возможностей нейросетевых компьютерных технологий, заключающегося в прогнозировании, формировании и реализации индивидуальных траекторий обучения студентов, направленных на их когнитивное развитие, учитывающих индивидуальные особенности обучаемых, обеспечивающих дифференциацию учебного материала;

Гипотеза исследования включает следующие предположения:

- применение аппарата нейронных сетей как инструмента технологий искусственного интеллекта, на основе теории индивидуализированного обучения и личностно ориентированного подхода расширяет дидактические возможности компьютерных средств обучения;

- конструирование компьютерной нейросетевой обучающей системы как инструмента индивидуализированного обучения программированию осуществляется на основе интегративной функциональной модели проектирования, которая учитывает индивидуальные параметры обучаемого и использует возможности технологий нейронных сетей;

Цель и гипотеза исследования обусловили задачи:

1. Выявить дидактические возможности и функции нейросетевых технологий, и обосновать их использование в учебном процессе.

2. Теоретически обосновать процедуру прогнозирования и формирования индивидуальной траектории обучения, основанной на структуре содержания учебного курса, модели характеристик обучаемого и возможностях нейросетевых технологий:

3. Разработать технологию индивидуализированного обучения программированию студентов физико-математических специальностей на основе конструирования индивидуальных траекторий'добывания и освоения знаний и формировании динамической модели характеристик обучаемого с использованием компьютерной нейросетевой дидактической системы.

4. Разработать компьютерную нейросетевую обучающую систему по программированию для подготовки студентов физико-математических специальностей как инструмент индивидуализированного обучения на основе функциональной модели проектирования подобных систем.

5. Разработать методику обучения студентов конструированию нейросетевых компьютерных обучающих систем, позволяющую реализовать индивидуализированный подход к обучению.

Методологические основания исследования:, фундаментальные работы в области методологии психолого-педагогической науки (Ю.К. Бабанский, В.П. Беспалько, В.И. Загвязинский,. В.В. Краевский, И.Я. Лернер, М.Н. Скаткин и др.); системный подход в психологии (Б.Г. Ананьев, Б.Ф. Ломов и др.) и педагогике (В.Г. Афанасьев,

Б.С. Гершунский, B.C. Ильин, Ю.А. Конаржевский, Н.В. Кузьмина, В.А. Сластенин, Э.Г. Юдин и др.).

Теоретические основания исследования: теории индивидуализации обучения (М.А. Данилов, A.A. Кирсанов, Е.С. Рабунский, М.Н. Скаткин, И.Э. Унт и др.); концепция личностно ориентированного обучения (В.П. Бедерханова, Е.В. Бондаревская, C.B. Панюкова, В.В. Сериков, И.С. Якиманская и др.); теория построения нейронных сетей и основы искусственного интеллекта (Т.А. Гаврилова, A.A. Короткин, Д.А. Поспелов и др.); концепция информатизации образования и работы по развитию содержания обучения информатике (С.А. Бешенков, В.М. Монахов, A.A. Кузнецов, М.П. Лапчик, Е.А. Ракитина, И.В. Роберт, Н.И. Рыжова, Н.В. Софонова, Е.К.Хеннер и др.).

Достоверность и обоснованность результатов исследования обеспечивается целостным подходом к решению проблемы; методологической обоснованностью исходных теоретических положений исследования; корректной организацией опытно-экспериментальной работы с применением методов, адекватных объекту, предмету, цели и задачам исследования; репрезентативностью опытно-экспериментальных данных; практическим подтверждением основных положений исследования и научной обработкой полученных в ходе эксперимента данных.

Для достижения целей исследования, проверки гипотезы и решения поставленных задач были использованы следующие методы исследования.

Теоретические — изучение и анализ психолого-педагогической литературы с целью выявления современных особенностей и тенденций развития индивидуализированного подхода к обучению в системе высшего профессионального образования, учебных и методических пособий по информатике и программированию; практические — педагогическое наблюдение, метод анкетирования, формирующий и констатирующий эксперимент; качественные и количественные математические методы статистической обработки результатов педагогических исследований; математическое и когнитивное моделирование.

База исследования: факультет компьютерных технологий и прикладной математики, факультет математики и компьютерных наук Кубанского государственного университета.

Организация и этапы исследования:

Первый этап (2002-2005) - подготовительный, в ходе которого осуществлялся анализ психолого-педагогической литературы, рассматривались существующие методики подготовки дидактических материалов для автоматизированных обучающих систем, обобщался передовой опыт педагогических исследований форм организации процесса индивидуализированного обучения, была определена проблема исследования и сформулированы тема, цель, задачи и гипотеза.

Второй этап (2006-2007) - опытно-экспериментальный, в ходе которого была разработана функциональная модель проектирования нейросетевой компьютерной обучающей системы, модель характеристик обучаемого, структура и компоненты обучающей системы и проведена экспериментальная проверка и анализ промежуточных результатов.

Третий этап (2007-2008) - обобщающий, в ходе которого было завершено построение нейросетевой компьютерной обучающей системы по курсу «Программирование» для физико-математических специальностей, завершена экспериментальная проверка ее эффективности, проведен окончательный анализ полученных результатов и их оформление.

Научная новизна исследования заключается в следующем:

- на основе процедуры прогнозирования и формирования индивидуальных траекторий обучения студентов, учитывающих их индивидуальные особенности и использующих возможности технологий нейронных сетей, разработана технология индивидуализированного обучения программированию студентов физико-математических специальностей;

- разработана методика обучения студентов конструированию нейросетевых компьютерных обучающих систем, обеспечивающая развитие их профессионально-педагогических и личностных качеств.

Теоретическая значимость исследования:

- предложена процедура прогнозирования и формирования индивидуальных траекторий обучения студентов, основанная на дифференциации содержания учебного курса и дидактических возможностях технологий нейронных сетей. Указанный подход отражает образовательные потребности и индивидуальные особенности обучаемых, и выводит на качественно новый уровень их индивидуализированное обучение;

- предложена интегративная функциональная модель проектирования нейросетевой обучающей системы, которая учитывает, индивидуальные особенности обучаемого, дифференцированное содержание учебного курса, возможности технологий нейронных сетей и играет в теории профессионального образования роль средства индивидуализированного обучения;

- разработана и теоретически обоснована модель характеристик обучаемого, которая включает уровень усвоения знаний, интегративные психологические особенности студента, стратегию приобретения знаний и использующая при формировании технологии нейронных сетей.

Практическая значимость исследования состоит в следующем:

- разработана технология конструирования нейросетевой обучающей системы по программированию, обеспечивающая приращение дидактических возможностей индивидуализированных компьютерных систем;

- разработана нейросетевая обучающая система по курсу «Программирование» для физико-математических специальностей, которая может использоваться в практической деятельности преподавателя младших курсов университета, учителя старших классов школы, в самостоятельной работе студентов и учащихся, в дистанционном образовании;

- создан учебно-методический комплекс для студентов физико-математических специальностей по курсу «Программирование», включающий сборник профессионально ориентированного дидактического обеспечения образовательной деятельности, содержащий учебные материалы и задания на многофакторную диагностику знаний, в-том числе и в форме фасетных тестов.

На защиту выносятся:

1. Положение о том, что применение технологий нейронных сетей при конструировании индивидуальных траекторий обучения в структуре подготовки студентов физико-математических специальностей: обеспечивает условия для индивидуализированного обучения, поскольку расширяет функциональные возможности компьютерных обучающих систем; позволяет обеспечивать многообразие вариантов и траекторий развития обучаемых с учетом их психологических, личностных качеств и развиваемых компетенций; позволяет строить параметрические модели характеристик обучаемого; учитывать образовательные запросы обучаемых и в соответствии!с ними корректировать содержание, формы и методы обучения; адаптировать содержание учебного материала, ориентировать его на различные типы и уровни усвоения; осуществлять постоянный мониторинг за действиями и уровнем обученности студентов.

2. Процедура прогнозирования и формирования индивидуальной траектории обучения студентов на основе мультиграфа содержания учебного курса, параметров модели характеристик обучаемого и возможности технологий нейронных сетей адаптации к текущему состоянию модели.

4. Конструирование компьютерной нейросетевой обучающей системы по программированию может эффективно осуществляться на основе функциональной модели проектирования подобных систем. Модель состоит из содержательного, методического, технологического и. информационного компонентов и отражает этапы построения нейросетевых обучающих систем, специфику содержания, форм, методов и средств индивидуализированного обучения.

5. Методика обучения студентов конструированию нейросетевых компьютерных обучающих систем стимулирует формирование дидактической компетентности, что выражено в умении выполнять педагогическое проектирование, знании дидактических свойств компьютерных нейросетевых обучающих систем; предметной компетентности - умении отбирать содержание и формы представления учебного материала; и информационной компетентности, что проявляется в умении создавать файлы фасетных заданий, навыках алгоритмизации и программирования, что в комплексе создает условия для развития профессионально значимых качеств будущего учителя.

Апробация и внедрение результатов исследования проходили на базе Кубанского государственного университета, школ г. Краснодара (№4, №23), осуществлялись в форме научных докладов на научно-методических семинарах и конференциях по проблемам преподавания информатики в вузе и проблемам применения информационных технологий в обучении: II Всероссийская научно-практическая конференция «Математика. Информационные • технологии. Образование» (Оренбург, 2008), межрегиональная научно-практическая конференция «Тенденции и проблемы развития математического образования» (Армавир, 2008), II, III, IV школа-семинар «Математические моделирование, вычислительная механика и геофизика» (Краснодар, 2004, 2005, 2006), международная конференция «Новые технологии в обучении математике и информатике в,вузе и-школе» (Орехово-Зуево, 2002), международная конференция «Новые информационные технологии в науке, образовании, экономике»

Владикавказ, 2002), семинары кафедр информационных технологий и информационных образовательных технологий Кубанского государственного университета (КубГУ) (2002-2009). Основные положения, выводы, рекомендации' исследования, имеющие теоретическое и практическое значение, содержатся в 10 публикациях.

Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения, библиографического списка и приложения. Основные положения диссертационного исследования отражены в публикациях [68, 74, 75, 76, 77, 78, 79, 80, 81, 82, 98, 99, 100].

Заключение диссертации научная статья по теме "Теория и методика профессионального образования"

Выводы к главе 3

1. На основе интегративных психологических признаков обучаемого выявлено три кластера. Отнесение обучаемого к тому или иному кластеру автоматически выполняет программно реализованная автором нейронная сеть Хемминга. Разработаны стратегии приобретения знаний рассматриваемых кластеров учащихся. Стратегии представлены в табличной форме для каждого кластера и определяют план учебных воздействий — форму представления материала, уровень сложности изложения, типы примеров — на основе номера кластера, которому принадлежит учащийся и динамической информации о текущем состоянии обучаемого.

2. В качестве инструмента, формирующего очередную точку индивидуальной траектории обучения, которая основана на мультиграфе структурированного содержания курса, предложена нейронная сеть -многослойный персептрон. Разработаны структуры входных и выходных данных для нейронной сети.

3. На основе функциональной модели проектирования разработана технология конструирования нейросетевой компьютерной обучающей системы, которая включает этапы выделения модулей системы, описание ее структуры и алгоритма функционирования.

4. Разработанная методика обучения студентов конструированию нейросетевых компьютерных обучающих систем обеспечивает рост их профессионально-педагогических и личностных качеств.

5. Статистически достоверно подтверждается исходная гипотеза исследования о том, что внедрение индивидуализированного подхода к обучению на основе нейросетевых технологий в учебный процесс высшей школы обеспечивает эффективное повышение уровня освоения содержания программирования. Это связано с тем, что в структуру компьютерной дидактической системы включена модель характеристик обучаемого, а процесс проектирования использует возможности технологий нейронных сетей.

195

Заключение

В диссертации решены, основные задачи исследования и достигнута цель исследования: разработан и теоретически обоснован индивидуализированный подход в подготовке студентов к профессиональной деятельности через конструирование индивидуальных траекторий добывания и освоения знаний на основе нейросетевых технологий.

Получены следующие основные результаты:

1. Применение компьютерных нейросетевых технологий в обучении студентов физико-математических специальностей через конструирование индивидуальных траекторий добывания и освоения знаний обеспечивает индивидуализированный подход к обучению. Использование аппарата нейронных сетей расширяет дидактические возможности компьютерных средств обучения; позволяет соотносить содержание, формы, и методы обучения в соответствии с образовательными запросами студентов; осуществлять автоматическую настройку коэффициентов нейронной сети для учета динамики изменений траектории обучения; ориентировать учебный материал на различные типы и уровни усвоения; учитывать психологические, личностные качества и развиваемые компетенции обучаемых.

3. Разработанная технология индивидуализированного обучения программированию формируется в соответствии с требованиями информатизации и гуманитаризации образования, обеспечивает конструирование индивидуальных траекторий добывания и освоения знаний студентами, учитывает индивидуальные особенности обучаемого в динамической модели его характеристик.

4. Компьютерная нейросетевая обучающая, система по программированию является инструментом индивидуализированного обучения студентов и базируется на функциональной модели проектирования подобных систем. Функциональная модель синтезирует в себе содержательный, информационный, дидактический и технологический компоненты, использует модель характеристик обучаемого и возможности технологий нейронных сетей и может служить теоретической основой для создания новых интеллектуальных компьютерных дидактических средств. Предложена технология конструирования нейросетевой компьютерной обучающей системы, которая включает этапы: проведение теоретического и методического анализа изучаемого содержания, программирования; построение структуры изучаемой теории* программирования, выделение структурных элементов, определение их содержания и места в общей системе теории программирования; формирование набора задач, соответствующего изучаемой теории; тематическое планирование учебного курса в соответствии с программой курса; выбор методов обучения в зависимости от содержания учебного материала, основанный на применении соответствующих ориентировочных алгоритмов; разработка модели характеристик обучаемого; разработка технологии диагностики и контроля знаний; разработка технологии индивидуализированного обучения программированию, использование классических и инновационных подходов, организация индивидуальной траектории обучения; построение структуры НКОС, выделение структурных элементов, определение их функций и назначения для реализации целей и задач учебно-познавательной* деятельности; программная реализация,НКОС, корректировка системы.

5. Разработанная методика обучения конструированию нейросетевых компьютерных обучающих систем для студентов физико-математических специальностей ориентирована на формирование профессиональных умений и личностных качеств, развитие их дидактической, предметной и информационной компетентностей. Методика включает следующие этапы: изучение основ конструирования интеллектуальных, в том числе нейросетевых, обучающих систем; овладение нейросетевыми технологиями как математическим аппаратом построения интеллектуальных систем; разработка модели характеристик обучаемого; подготовка учебных материалов индивидуализированного обучения.

6. Педагогический эксперимент показал эффективность применения разработанного индивидуализированного подхода в обучении через формирование индивидуальных траекторий посредством конструирования нейросетевой компьютерной обучающей системы. Указанный подход создает педагогические условия для развития интеллектуальных способностей, прочную мотивационную основу обучения, базу для формирования предметных знаний и умений, способствующую активизации познавательной деятельности и формированию профессиональной компетентности студентов физико-математических специальностей.

7. Выполненное исследование открывает новые перспективы применения нейросетевых технологий в индивидуализированном обучении студентов гуманитарных и естественнонаучных специальностей.

198

Список литературы диссертации автор научной работы: кандидата педагогических наук, Добровольская, Наталья Юрьевна, Краснодар

1. Аванесов B.C. Композиция тестовых заданий. М.: Адепт, 1998.

2. Авраамова О.Д. Инструментальные средства создания компьютерных обучающих систем. -М.:МГУ, 2002, 80 с.

3. Агеев В.Н. Электронные учебники и автоматизированные обучающие системы. Третья Всероссийская школа — семинар, Москва, 2001.

4. Алексеев H.A. Педагогические основы проектирования личностно ориентированного обучения: Автореф. дис. д-ра пед. наук. — Екатеринбург, 1997. 42 с.

5. Анцыферова Л.И. Материалистические идеи в зарубежной психологии. — М.:Наука, 1974.-359 с.

6. Апатова Н.В. Влияние информационных технологий на содержание и методы обучения в средней школе: Автореф. дис. д-ра пед. наук. М., 1994, 37 с.

7. Арзамасцев A.A., Зенкова H.A. Моделирование в психологии на основе искусственных нейронных сетей. Тамбов, 2003

8. Архангельский С.И. Лекции по теории обучения в высшей школе. -М.:Педагогика, 1974.

9. Архангельский С.И., Михеев В.И. Некоторые проблемы организации выборочных обследований в высшей школе. М., 1984.

10. Архипова А.И. Конструирование профессиональных компонентов курса математики с применением новых технологий обучения / А.И. Архипова, С.П. Грушевский, A.B. Карманова. Краснодар: КубГУ, 2004. - 62 с.

11. Архипова А.И. Теоретические основы учебно-методического комплекса по физике: Автореф.дис.д-ра пед.наук. -М., 1998.13