Статья

Название статьи КОНТЕКСТНО-ЗАВИСИМЫЕ МОБИЛЬНЫЕ ОБУЧАЮЩИЕ СИСТЕМЫ
Автор С.И. Родзин, Л.С. Родзина
Рубрика РАЗДЕЛ VII. ПРОБЛЕМЫ ОБРАЗОВАНИЯ
Месяц, год 07, 2013
Индекс УДК 004.81
DOI
Аннотация Предлагается  сценарий  обучения  и  модель  открытой  архитектуры  контекстнозависимой системы мобильного обучения. Разрабатывается структура системы управления контентом на основе семантического веба. Структура системы управления контентом включает четыре основных элемента: онтологии метаданных, онтологии конкретной предметной области, которая описывает структуру индексации ресурсов, а также модели сценариев обучения и адаптивного выбора учебных ресурсов. При построении системы управления  контентом  предлагается  использовать  модель  на  основе  вероятностных  автоматов.  Контекстно-зависимая  система  обучения  должна  уметь  персонализировать наилучший стиль обучения. С этой целью предлагается использовать аппарат байесовских сетей и эволюционных вычислений.

Скачать в PDF

Ключевые слова Адаптивное обучение; контекстно-зависимая система; управление контентом; вероятностный автомат; сценарий; байесовская сеть.
Библиографический список 1. Коулопоулос Т.М., Фраппаоло К. Управление знаниями. – М.: Эксмо, 2008.
2. Грачев В.В., Ситаров В.А. Персонализация обучения: требования к содержанию образования // Alma mater. Вестник высшей школы. – 2006. – № 8. – С. 11-15.
3. Koper R., Olivier B. Representing the Learning Design of Units of Learning // Educational Technology&Society. – 2004. – Vol. 7 (3). – P. 97-111.
4. Nodenot T. Contribution а l'Ingйnierie dirigйe par les modиles en EIAH: le cas des situationsproblиmes cooperatives // Pau: Universitй de Pau et des Pays de l’Adour, 2005.
5. Курейчик В.В., Бова В.В., Нужнов Е.В., Родзин С.И. Интегрированная инструментальная среда поддержки инновационных образовательных процессов // Открытое образование. – 2010. – № 4 (81). – С. 101-111.
6. IMS Global Learning Consortium. Официальный сайт. – http://www.imsglobal.org (дата обращения: 17.05.2013).
7. Вербицкий А.А. Активное обучение в высшей школе: контекстный подход. – М.: Высшая школа, 1991.
8. Gruber T.R. Toward Principles for the Design of Ontologies Used for Knowledge Sharing // International Journal of Human and Computer Studies. – 1993. – № 43 (5/6). – P. 907-928.
9. Бова В.В. Методы поддержки принятия решений в построении адаптивных моделей образовательных процессов // Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – С. 221-225.
10. Кравченко Ю.А. Оценка когнитивной активности пользователя в системах поддержки принятия решений // Известия ЮФУ. Технические науки. – 2009. – № 4 (93). – С. 113-117.
11. Кравченко Ю.А. Концептуальные основы рефлексивно-адаптивного подхода к построению интеллектуальных информационных систем // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 167-171.
12. Garlatti S., Iksal S. A Flexible Composition Engine for Adaptive Web Sites // Adaptive Hypermedia and Adaptive Web Systems. Eds.: Springer Verlag. – 2004. – Vol. 3137. – P. 115-125.
13. Zarraonandia T., Fernandez C., Diaz P., Torres J. On the way of an ideal learning system adaptive to the learner and her context // Proc. of Fifth IEEE Int. Conf. on Advanced Learning technologies. – 2005. – P. 128-134.
14. Поспелов Д.А. Вероятностные автоматы. – М.: Энергия, 1970.
15. Economides A.A. Adaptive Mobile Learning // Proc. the 4th Int. Workshop on Wireless, Mobile and Ubiquitous Technologies in Education. – 2006. – P. 263-269.
16. Бова В.В. Модели предметных знаний на основе системно-когнитивного анализа // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 146-153.
17. Бим-Бад Б.М. Педагогическая антропология. – М.: УРАО, 1998.
18. Григорьев Б.В., Чумакова В.И. Праксиология или как организовать успешную деятельность. – М.: Изд-во Школьная пресса, 2002.
19. Рассел С., Норвиг П. Искусственный интеллект. – М.: Вильямс, 2007.
20. Тулупьев А.Л., Николенко С.И., Сироткин А.В. Байесовские сети: логико-вероятностный подход. – СПб.: Наука, 2006.
21. Курейчик В.В., Курейчик В.М., Родзин С.И. Концепция эволюционных вычислений, инспирированных природными системами // Известия ЮФУ. Технические науки. – 2009. – № 4 (93). – С. 16-24.
22. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 13-21.
23. Боженюк А.В., Гинис Л.А. Об использовании нечетких внешне устойчивых множеств для анализа нечетких когнитивных карт // Обозрение прикладной и промышленной математики. – 2007. – Т. 14. – Вып. 5. – С. 857.
24. Курейчик В.М., Писаренко В.И., Кравченко Ю.А. Технология многоаспектного аналитического исследования как метод машинного обучения // Открытое образование. – 2008. – № 2. – С. 11-17.
25. Родзина Л.С. Прикладные многоагентные системы. Программирование на платформе JADE. Saarbrucken, Germany: LAP LAMBERT Academic Publishing GmbH&Co., 2011.
26. Курейчик В.М., Родзин С.И. Компьютерный синтез программных агентов и артефактов // Программные продукты и системы. – 2004. – № 1. – С. 23-27.

Comments are closed.