Адаптивний контроль знань в системах дистанційного навчання. Модуль оцінки складності завдань на основі параметричної моделі Раша

Міністерство освіти і науки України

Криворізький інститут

Кременчуцького університету економіки, інформаційних технологій і управління

Кафедра технічної кібернетики

ДИПЛОМНА РОБОТА

зі спеціальності

.091402 “Гнучкі комп’ютеризовані системи та робототехніка“

Адаптивний контроль знань в системах дистанційного навчання. Модуль оцінки складності завдань на основі параметричної моделі Раша

Студента групи ГКС-05-д

Дадашової Гюнель Рафік кизи

Керівник роботи доц., к.т.н.

Моня Григорій Михайлович

Кривий Ріг

ЗАВДАННЯ

на дипломну роботу студента

Дадашової Гюнель Рафік кизи

. Тема роботи: Адаптивний контроль знань в системах дистанційного навчання. Модуль оцінки складності завдань на основі параметричної моделі Раша, затверджена наказом по інституту від " 29 " жовтня 2009 р. № 73С-01

. Термін здачі студентом закінченої роботи 25.05.10

. Вхідні дані до роботи: Вимоги до кінцевого програмного продукту, вихідні масиви даних, матеріали наукових досліджень, математична модель системи.

. Зміст розрахунково-пояснювальної записки (перелік питань, що підлягають розробці): Постановка завдання, Загальна характеристика та основні напрями розвитку систем дистанційного навчання; Моделі та методи контролю знань в автоматизованій системі управління навчальним процесом; Принципи роботи і структура Web-додатків на основі технології ASP.NET; Опис функціональних можливостей та програмної реалізації проектованої системи; Економічне обґрунтування доцільності розробки програмного продукту; Охорона праці.

. Перелік графічного матеріалу (з точними вказівками обов'язкових креслень)

1. Схема архітектури Web-додатку

. Схема взаємозв’язку Web-додатку з клієнтом

. Співвідношення між адаптивними і інтелектуальними освітніми системами

. Схема процесів управління навчальною діяльністю

. Структура засобів діагностики якості вищої освіти

. Логіко-функціональна схема роботи системи

7. Структурна схема зв’язку таблиць БД

8. Приклади Web-інтерфейсу користувача системи

6. Консультанти з роботи, з вказівками розділів роботи, що належать до них

Розділ	Консультант	Підпис, дата
		Завдання видав	Завдання прийняв
Спеціальна частина	Лукашенко Й.М.
Програмна частина	Вдовиченко І.Н.
Економічна частина	Тимко Є.В.
Охорона праці	Климович Г.Б.

. Дата видачі завдання 01.11.09 р.

Керівник

Завдання прийняв до виконання

КАЛЕНДАРНИЙ ПЛАН

№ п/п	Найменування етапів дипломної роботи	Термін виконання етапів роботи	Примітки
	Отримання завдання на дипломну роботу	01.11.09
	Огляд існуючих рішень	20.02.10
1.	Теоретичне дослідження особливостей проектування систем дистанційного навчання	13.03.10
2.	Програмна частина (постановка задачі, створення програмного забезпечення, опис алгоритму рішення задачі, проектування та опис інтерфейсу користувача, опис програми)	28.04.10
3.	Оформлення пояснювальної записки	06.05.10
4.	Оформлення графічної документації	14.05.10
5.	Оформлення електронних додатків до диплому	20.05.10
6.	Представлення дипломної роботи до захисту	25.05.10

Студент-дипломник

Керівник роботи

АНОТАЦІЯ

Метою даної комплексної дипломної роботи є розгляд особливостей побудови та програмної реалізації адаптивного контролю знань в системах дистанційного навчання. Розроблений модуль призначений для автоматизації оцінки складності завдань на основі параметричної моделі Раша та статистичного аналізу отриманих результатів.

Система реалізована в середовищі Microsoft Visual Studio 2008 на мові C# з використанням новітньої технології ASP.NET.

Розділів 7, схем та рисунків 18, таблиць 13, бібліографічних посилань 30, загальний обсяг - 111.

АННОТАЦИЯ

Целью данной комплексной дипломной работы является рассмотрение особенностей построения и программной реализации адаптивного контроля знаний в системах дистанционного обучения. Разработанный модуль предназначен для автоматизации оценки сложности заданий на основе параметрической модели Раша и статистического анализа полученных результатов.

Система реализована в среде Microsoft Visual Studio 2008 на языке C# с использованием новейшей технологии ASP.NET.

Разделов 7, схем и рисунков 18, таблиц 13, библиографических ссылок 30, общий объем - 111.

THE SUMMARY

purpose of this complex diploma work is сonsideration of construction and programmatic realization features of adaptive knowledges control in the distance departmental teaching. The developed module is intended for automation of tasks complication estimation on the basis of self-reactance model Раша and statistical analysis of the got results.

The system is developed with Microsoft Visual Studio 2008 integrated development environment in C# with the use of the newest technology of ASP.NET.7, circuits and figures 18, tables 13, bibliographic references 30, total amount - 111.

ЗМІСТ

ВСТУП      9

. ПОСТАНОВКА ЗАВДАННЯ       11

.1 Найменування та галузь застосування 11

.2 Підстава для створення     11

.3 Характеристика розробленого програмного забезпечення      11

.4 Мета й призначення 12

.5 Загальні вимоги до розробки     12

.6 Джерела розробки    12

. ЗАГАЛЬНА ХАРАКТЕРИСТИКА ТА ОСНОВНІ НАПРЯМИ РОЗВИ-ТКУ СИСТЕМ ДИСТАНЦІЙНОГО НАВЧАННЯ   13

.1 Призначення і основні характеристики адаптивних інтелектуальних си-стем      13

.2 Проблеми створення гіпертекстового навчаючого середовища        22

. МОДЕЛІ ТА МЕТОДИ КОНТРОЛЮ ЗНАНЬ В АВТОМАТИЗОВА-НІЙ СИСТЕМІ УПРАВЛІННЯ НАВЧАЛЬНИМ ПРОЦЕСОМ  24

.1 Системи знань у завданнях управління складними об’єктами і про-цесами        24

.2 Формалізація вимог стандартів навчання      25

.3 Аналіз основних моделей представлення знань     34

.4 Характеристика адаптивного навчання         39

.5 Класифікація методів і засобів адаптивного навчання     40

.6 Сфера використання адаптивного навчання 44

.7 Порівняльна характеристика деяких підходів до комп’ютерного тесту-вання     47

. ПРИНЦИПИ РОБОТИ І СТРУКТУРА WEB-ДОДАТКІВ НА ОСНОВІ ТЕХНОЛОГІЇ ASP.NET    49

.1 Архітектура Web-додатків 49

.2 Опис архітектури ASP.NET і .NET Framework       51

. ОПИС ФУНКЦІОНАЛЬНИХ МОЖЛИВОСТЕЙ ТА ПРОГРАМНОЇ РЕАЛІЗАЦІЇ ПРОЕКТОВАНОЇ СИСТЕМИ        58

.1 Функціональне призначення та технологічні особливості розробки 58

.2 Логіко-функціональна схема роботи системи        59

.3 Математична модель оцінки рівня складності завдання  60

.4 Опис моделі і структури таблиць бази даних         64

.5 Інтерфейс користувача проектованої системи       71

.6 Опис основних процедур і функцій     75

ЕКОНОМІЧНЕ ОБҐРУНТУВАННЯ ДОЦІЛЬНОСТІ РОЗРОБКИ ПРОГРАМНОГО ПРОДУКТУ        100

. ОХОРОНА ПРАЦІ     111

.1 Аналіз небезпечних та шкідливих факторів на робочому місці 112

.2 Заходи щодо нормалізації шкідливих та небезпечних факторів         115

.3 Пожежна безпека      120

ВИСНОВКИ        122

СПИСОК ЛІТЕРАТУРИ

ВСТУП

дистанційне навчання програма тест

За останні роки в усьому світі в системах освіти відбулися істотні структурні зміни, зумовлені розвитком Інтернет та його зростаючим впливом на всі сторони діяльності суспільства. Основну роль в удосконаленні системи освіти, без сумніву, будуть мати нові інформаційні технології і, в першу чергу, дистанційні засоби навчання. На сьогодні у світі накопичено значний досвід реалізації систем дистанційного навчання. Вони використовують комп'ютерні мережі, системи безпосереднього телевізійного мовлення та сучасні телекомунікаційні технології.

Але системи дистанційного навчання ще не знайшли достатнього поширення в Україні. Отже, важливо забезпечити постійну освіту і, що найголовніше, - ефективний контроль знань. Тому в останні роки підвищена увага приділяється методикам дистанційного навчання й контролю знань. Комп'ютерні системи контролю знань достатньо ефективні і дозволяють не тільки забезпечити державну перевірку якості знань, але й забезпечити основу самовдосконалення. Тому ретельне вивчення принципів, логіки, технологій і валідності дистанційного навчання і контролю знань, дослідження ефективності систем дистанційного навчання і контролю знань є актуальною і важливою проблемою, яка потребує свого вирішення.

Проблему адаптації учбового матеріалу можна розглядати двояко: адаптивне представлення матеріалу, що залежить від рівня знань учня і адаптивна навігація по учбовому курсу в залежності від конкретних цілей користувача і від самого поточного процесу навчання. Для цього в будь-якому адаптивним учбовому ресурсі повинні бути представлені дві головні складові - це база знань предметної області учбового курсу і механізм моделювання учня в системі.

З розвитком освітніх систем все більше уваги приділяється контролю знань тих, хто навчається за допомогою тестування. В сучасних навчальних системах тест повинен бути індивідуалізований. Тобто, він повинен мати певну довжину, а для всіх його завдань, апробованих емпірично, необхідно однозначно знати їх складність. Так виникає одне із головних питань теорії тестів - питання побудови оптимального тесту.

Сучасне тестування являє собою комплекс стандартизованих методів вимірювання тих латентних (тобто недоступних для безпосереднього спостереження) параметрів людини, які визначають її рівень підготовки і відповідність освітнім стандартам у конкретній області знань. При цьому широко використовуються математичні методи планування й обробки результатів тестування, а також сучасні технології обробки інформації. Об’єктивний контроль знань, вмінь і навичок - одне із актуальних завдань нашого часу. Його вдається виконати при критеріально-орієнтованій інтерпретації тестування. Критеріально-орієнтоване тестування призначене не тільки для оцінювання рівня знань, а й для визначення рівня індивідуальних досягнень відносно певного критерію на підставі логіко-функціонального аналізу змісту завдань.

Тому, враховуючи індивідуалізацію навчання, конструювання критеріально-орієнтованих тестів є одним із провідних та найактуальніших напрямків розвитку теорії тестів.

В дослідницькій частині дипломної роботи розглянуто можливості статистичних методів аналізу результатів тестування, представлено найпростіші та необхідні процедури статистичної обробки результатів тестування знань і методи оцінки якості тесту. Також розглянуто підхід до конструювання тестів, представлений у сучасній теорії тестування на основі математичної теорії параметричної оцінки тестових завдань на базі моделі Раша. Відмінною особливістю розробки є максимальна адаптація розробленої системи до дистанційного навчання. Саме тому для практичного втілення системи була застосована новітня технологія ASP.NET..NET - це технологія створення веб-додатків і веб-сервісів, яка є складовою частиною платформи Microsoft .NET. Це дозволяє використовувати всі нові можливості, що надаються цією платформою.

1. ПОСТАНОВКА ЗАВДАННЯ

 

.1 Найменування та галузь застосування

Найменування розробки: Адаптивна система контролю знань в системах дистанційного навчання.

Розроблений модуль призначений для автоматизації оцінки складності завдань на основі параметричної моделі Раша та статистичного аналізу отриманих результатів.

1.2 Підстава для створення

Підставою для розробки є наказ № 73С-01 від 29 жовтня 2009 р. по Криворізькому інституту КУЕІТУ.

Початок робіт: 01.11.09. Закінчення робіт: 25.05.10.

1.3 Характеристика розробленого програмного забезпечення

Система була реалізована в середовищі Microsoft Visual Studio 2008 на мові C# з використанням новітньої технології ASP.NET. База даних представлена у форматі SQLite.

До складу системи входять:

·  AdminsSetting.aspx - файл сценарію управління базою даних;

·        User.aspx - файл сценарію проведення тестування студентів;

·        Graph.aspx - файл сценарію побудови графічних даних (статистика);

·        Edu_tree.xml - структура курсу;

·        Edubase.db3 - файл бази даних формату Sqlite;

·        Style0.css, AdminStyle.css - дизайн сторінки.

1.4 Мета й призначення

Метою дипломної роботи є дослідження статистичних методів аналізу і обробки результатів тестування знань, а також методів оцінки якості тесту. Також розглянуто підхід до конструювання тестів, представлений у сучасній теорії тестування на основі математичної теорії параметричної оцінки тестових завдань на базі моделі Раша.

1.5 Загальні вимоги до розробки

Вимоги до програмного забезпечення:

·    Робота в середовищі операційних систем Windows 2000/XP;

·        Простота й зрозумілість інтерфейсу.

Мінімальні вимоги до апаратного забезпечення:

·    IBM-сумісний комп'ютер, не нижче Pentium IІ, RAM-128Mb, SVGA-800*600*16bit;

·        Вільний простір на жорсткому диску не менш 800 Мб.

·        Додаткове програмне забезпечення: IIS-сервер з підтримкою SSL а також платформа Microsoft .NET Framework 2.0.

 

.6 Джерела розробки

Джерелами розробки дипломної роботи є:

·    довідкова література;

·        наукова література;

·        технічна література;

·        програмна документація.

2. ЗАГАЛЬНА ХАРАКТЕРИСТИКА ТА ОСНОВНІ НАПРЯМИ РОЗВИТКУ СИСТЕМ ДИСТАНЦІЙНОГО НАВЧАННЯ

 

.1 Призначення і основні характеристики адаптивних інтелектуальних систем

Адаптивні і інтелектуальні освітні Інтернет-системи (АІОІС, англ. Adaptive and intelligent Web-based educational systems - AIWBES) надають альтернативу для традиційного підходу «просто виклади це в Інтернет» в розробці освітнього програмного забезпечення. АІОІС намагаються бути більш адаптивними за допомогою побудови моделі цілей, переваг та знань для кожного окремого студента, використовуючи цю модель на протязі взаємодії із студентом з метою пристосування до його потреб. Вони також намагаються бути більш інтелектуальними, об’єднуючи і виконуючи деяку діяльність, що традиційно виконується вчителем-людиною - наприклад, інструктування студентів, або перевірка їх неправильного розуміння. Перші інтелектуальні і адаптивні освітні системи для Інтернет були розроблені у 1995-1996 роках. З того часу було розроблено і представлено багато цікавих систем. Зацікавленість в забезпеченні дистанційного навчання через Інтернет сильно спонукала ці дослідницькі намагання. Дослідницьке товариство отримувало допомогу забезпеченням ряду конференцій, які об’єднали дослідників, що працюють над АІОІС, їм надали змогу вчитися один від одного і потім пропагувати ідеї цього дослідницького напрямку через он-лайнові праці конференції.

Тип розвинутих навчальних Інтернет-системи, про які іде мова, найчастіше називають адаптивні освітні Інтернет-системи, або інтелектуальні освітні Інтернет-системи. Ці терміни насправді не є синонімами. Говорячи про адаптивні системи ми акцентуємо, що ці системи намагаються бути різними для різних студентів і груп студентів завдяки додаванню до облікового запису інформації, що накопичується в індивідуальній або груповій моделі студентів.

Говорячи про інтелектуальні системи ми підкреслюємо, що такі системи застосовують технології з області штучного інтелекту (ШІ) щоб забезпечити користувачам навчальної Інтернет-системи ширшу і кращу підтримку. В той же час багато систем можуть бути класифіковані як інтелектуальні і адаптивні одночасно, значне число систем підпадають лише під одну, з цих категорій. Наприклад, багато інтелектуальних діагностичних систем, включаючи German Tutor є неадаптивними, тобто вони забезпечать ту ж оцінку у відповідь на той самий розв’язок проблеми, незалежно від минулого досвіду роботи студента із системою. З іншого ж боку велика кількість адаптивних гіпермедійних і адаптивних інформаційно-фільтруючих систем, таких як AHA (De Bra, & Calvi, 1998) або WebCOBALT (Mitsuhara, Ochi, Kanenishi, & Yano, 2002) використовують ефективні але дуже прості технології, які можуть бути віднесені до «інтелектуальних» з великою натяжкою. Перетин між адаптивними і інтелектуальними системами все ще великий (рис. 2.1), межі між «інтелектуальними» і «неінтелектуальними» все ще не чіткі, і обидві групи без сумніву є предметом зацікавленості співтовариства області штучного інтелекту в освіті.

Рис. 2.1 Співвідношення між адаптивними і інтелектуальними освітніми системами (ОС)

Існуючі АІОІС дуже різноманітні. Вони надають різні види підтримки як для студентів, так і для вчителів, задіяних в процесі Інтернет-навчання. Щоб допомогти зрозуміти це розмаїття систем та ідей, пропонується зосередитися на адаптивних і інтелектуальних технологіях. Під адаптивними і інтелектуальними технологіями ми маємо на увазі різні по суті шляхи додавання адаптивної і інтелектуальної функціональності у навчальну систему. Технологія як правило може бути надалі розкладена на структурно менші техніки і методи, які відповідають різним варіантам цієї функціональності і різним шляхам її реалізації.

Огляд визначив п’ять головних технологій, що використовуються в АІОІС (рис. 2.2 ). Ці технології мають прямі корені у двох дослідницьких областях, які добре розвинулись до ери Інтернету - Адаптивне гіпермедіа і Інтелектуальні навчаючі системи (ІНС). Так як їх застосування в контексті Інтернету було відносно простим, ці технології були першими, що з’явилися в АІОІС і вони можуть розглядатися як «класичні» АІОІС-технології. У відповідності до їх виникнення згруповані п’ять класичних технологій у Адаптивні технології гіпермедіа та Інтелектуальні технології навчання (рис. 2.2). Огляд також визначає і групує деякі технології АІОІС у технології «породжені Інтернетом», що з’явилися в Інтернеті недавно і не мають прямих коренів у до-Інтернет навчальних системах.

Рис. 2.2 Класичні технології АІОІС і їх виникнення

Підрозділяємо оригінальну групу породжених Інтернетом технологій на три групи: адаптивна фільтрація інформації, інтелектуальний моніторинг класів і інтелектуальна підтримка співробітництва. П’ять результуючих груп технологій і областей їх виникнення показані на рис. 2.3. Таблиця 2.1. надає огляд цих п’яти груп технологій і простих систем для кожної з груп.

Рис. 2.3 П’ять груп сучасних технологій АІОІС

Таблиця 2.1

Технології АІОІС, їх виникнення та системи-представники.

Джерела АІОІС-технологій	Технології	Приклади систем
Адаптивне гіпермедіа	Адаптивна підтримка навігації Адаптивне подання	AHA (De Bra, et al., 1998) InterBook (Brusilovsky, Eklund, & Schwarz, 1998) KBS-Hyperbook (Henze, & Nejdl, 2001) MetaLinks (Murray, 2003) ActiveMath (Melis, et al., 2001) ELM-ART (Weber, & Brusilovsky, 2001) INSPIRE (Papanikolaou, Grigoriadou, Kornilakis, & Magoulas, Submitted)
Адаптивна фільтрація інформації	Фільтрація на основі вмісту Сумісна фільтрація	MLTutor (Smith, & Blandford, 2003) WebCOBALT (Mitsuhara, et al., 2002)
Інтелектуальний моніторинг класу (нагляд за класом)		HyperClassroom (Oda, Satoh, & Watanabe, 1998)
Інтелектуальне колективне навчання	Адаптивне формування груп і рівноправна (партнерська) допомога  Адаптивна підтримка співробітництва (тренери та наставники) Віртуальні студенти	PhelpS (Greer, et al., 1998) HabiPro (Vizcaíno, Contreras, Favela, & Prieto, 2000) COLER (Constantino Gonzalez, Suthers, & Escamilla De Los Santos, 2003) EPSILON (Soller, & Lesgold, 2003)
Інтелектуальне навчання (викладання)	Програмування (планування) курсу навчання Інтелектуальний аналіз рішень Підтримка прийняття рішень	VC-Prolog-Tutor (Peylo, Teiken, Rollinger, & Gust, 1999) SQL-Tutor (Mitrovic, 2003) German Tutor (Heift, et al., 2001) ActiveMath (Melis, et al., 2001) ELM-ART (Weber, et al., 2001)

 

Інтелектуальний аналіз рішень має справу із студентськими розв’язками навчальних задач (які можуть змінюватись від простих запитань до комплексних програмних завдань). На відміну від неінтелектуальних перевіряючих інструментів, які здатні лише сказати розв’язок вірний чи ні, інтелектуальні аналізатори можуть сказати, що саме невірно або що розв’язано не повністю, і які пропущені чи невірні знання можуть відповідати за помилку. Інтелектуальні аналізатори здатні забезпечити студента потужною технікою зворотнього зв’язку опрацювання помилок і оновленням моделі студента. Через низьку інтерактивність і природну відповідність Інтернету-інтерфейсу форм, ця технологія була реалізована в Інтернеті одною з перших на таких ранніх АІОІС, як ELM-ART та WITS. Системи SQL-Tutor, German Tutor і остання версія ELM-ART демонструють декілька шляхів реалізації інтелектуального аналізу рішень у WWW.

Метою інтерактивної підтримки прийняття рішень є забезпечення студента інтелектуальною допомогою на кожному етапі вирішення проблеми - від надання підказки до виконання наступного етапу замість студента. Технологія інтерактивної підтримки прийняття рішень не так популярна у веб-системах, як у окремих інтелектуальних навчальних системах - в основному через проблеми з реалізацією. Як було показано початковими системами, чиста реалізація на стороні сервера, така як PAT-Online не в змозі активно слідкувати за діями студента і може забезпечувати допомогу лише по запиту. Чиста реалізація на стороні клієнта, така як ADIS має обмеження по складності. Необхідна функціональність і рівень складності для реалізації інтерактивної підтримки прийняття рішень потребує клієнт-серверної реалізації, такої як AlgeBrain але такі системи складніші в реалізації. ActiveMath реалізує інтерактивну підтримку прийняття рішень у її планувальнику доведень Омега. На додаток до цього ELM-ART представляє унікальний приклад підтримки прийняття рішень на основі прикладів - це інша низько інтерактивна технологія підтримки, що стає багатообіцяючою у контексті Інтернет.

Адаптивне подання та адаптивна підтримка навігації - дві найбільші технології, що розглядаються системами адаптивного гіпертексту та адаптивного гіпермедіа. Метою технології адаптивного подання є пристосування вмісту кожного вузла (сторінки) до цілей студента, знань і іншої інформації, що зберігається в моделі студента. У системі адаптивного подання сторінки є не статичними, а такими, що адаптивно генеруються або збираються для кожного користувача. ActiveMath представляє один з найширших серед існуючих прикладів адаптивного подання. На додаток ELM-ART демонструє спеціальну форму адаптивного подання - адаптивні попередження про освітній стан поточної сторінки. MetaLinks демонструє адаптивне подання для «оповідального згладжування».

Метою технології підтримки адаптивної навігації є допомога студенту зорієнтуватися і переміщуватися у гіперпросторі за допомогою зміни вигляду видимих посилань. Наприклад, система адаптивного гіпермедіа може адаптивно сортувати, анотувати, або частково сховати посилання поточної сторінки для того, щоб спростити вибір, куди пересуватися далі. Підтримка адаптивної навігації розділяє ту саму мету, що й програмування курсу навчання - допомогти студенту знайти оптимальний шлях через навчальний матеріал. В той же час підтримка адаптивної навігації менше управляюча і більше «партнерська» ніж традиційне програмування: вона провадить студента, залишаючи йому можливість самостійно обрати наступний элемент знань для вивчення, наступне завдання для розв’язання. У контексті WWW, де гіпермедіа є базовою організаційною парадигмою, підтримка адаптивної навігації стає як природною, так і ефективною. Вона була серед трьох найперших технологій АІОІС, використаних у таких системах як ELM-ART, InterBook, і стала можливо найпопулярнішою технологією у АІОІС. KBSHyperbook, ActiveMath та ELM-ART демонструють декілька варіантів адаптивної анотації (коментування) посилань. MLTutor використовує сортування та генерацію посилань.

Адаптивна фільтрація інформації (АФІ) - класична технологія з області інформаційного пошуку. Її мета - знайти декілька елементів, що відповідають інтересам користувача, у великому об’ємі (текстових) документів. У Інтернет ця технологія була використана як у пошуковому контексті, так і в контексті перегляду. Вона була застосована для пристосування результатів веб-пошуку, із використанням фільтрації і впорядкування і для вироблення рекомендацій щодо найбільш відповідних документів серед отриманого набору, використовуючи генерацію посилань. Хоча механізми, що використовуються у системах АФІ, дуже відрізняються від механізмів адаптивного гіпермедіа, на рівні інтерфейсу АФІ для Інтерент найчастіше використовують техніку підтримки адаптивної навігації. Існує два принципово різних типи механізмів АФІ, які можуть розглядатися, як дві різні технології АФІ - фільтрація на основі вмісту і сумісна фільтрація. Перша спирається на вміст документа, тоді як остання абсолютно ігнорує вміст, намагаючись замість цього підібрати користувачів, які будуть зацікавлені в однакових документах. Сучасна технологія АФІ широко використовує технології машинного навчання, особливо це стосується фільтрації на основі вмісту. Будучи дуже популярною у області інформаційних систем, АФІ не використовувалися у навчальному контексті у минулому. Об’єм навчального вмісту був порівняно невеликим, і потреба спрямовувати користувача до найбільш підходящого матеріалу з легкістю підтримуваліася адаптивним програмуванням (плануванням) і адаптивним гіпермедіа. Однак Інтернет з його великою кількістю неіндексованих відкритих освітніх ресурсів зробив АФІ-технологію дуже привабливою для освітян. MLTutor представляє один перших цікавих прикладів застосування фільтрації інформації на основі вмісту у навчанні.

Інтелектуальне колективне навчання - цікава група технологій, розроблена на роздоріжжі двох областей, що початково були далеко одна від одної: колективне навчання з комп’ютерною підтримкою (КНКП) та інтелектуальні навчаючі системи (ІНС). Сучасний напрямок роботи у використанні штучного інтелекту для підтримки колективного навчання призводить до збільшення рівня взаємодії цих двох областей. Тоді як рання робота над інтелектуальним колективним навчанням була виконана у до-Інтеренет контексті, сьогодні маємо Інтернет та Інтернет-освіту, що забезпечили як платформу, так і зростаючий попит на такий тип технології. У Інтернет-освіті потреба у інструментах підтримки колективного навчання є критичною, тому що студенти рідко (чи ніколи) особисто зустрічаються один з одним. Інтелектуальні технології можуть корінним чином розширити міць простих інструментів підтримки колективної роботи (таких як групи потокових дискусій та спільні дошки), що надаються різними системами управління курсами. На даний момент ми можемо зазначити як мінімум три окремі технології у групі інтелектуального колективного навчання: адаптивне формування групи та рівноправна допомога, адаптивна підтримка співробітництва та віртуальні студенти.

Технології адаптивного формування груп і рівноправної (партнерської) допомоги намагаються використовувати знання про співпрацюючих членів групи (найчастіше ці знання представлені у моделях студента) для формування підходящої групи для різних типів колективних завдань. Ранні приклади включають формування груп для спільного розв’язання задачі та пошук найбільш компетентного члена групи для відповіді на питання. Обидві течії роботи зараз розвиваються. Команди-початківці узагальнили і розширили свою роботу, а ряд нових команд розпочали дослідження в цьому напрямку.

Технології для адаптивної підтримки співробітництва намагаються забезпечити інтерактивну підтримку колективного процесу так само, як системи інтерактивної підтримки проблем допомагають окремому студенту у розв’язанні проблеми. Використовуючи деякі знання про хороші і погані зразки співробітництва (які надаються авторами системи або отримуються із журналів спілкування), системи підтримки співробітництва, такі як COLER або EPSILON, можуть тренувати або консультувати членів колективу. Це новий напрямок роботи, який проте швидко розвивається, він бере свої ідеї із класичних областей навчання, таких як ІНС та КНКП (колективне навчання з комп’ютерною підтримкою).

На відміну, технологія віртуальних студентів порівняно стара. Замість підтримуючого вивчення або співробітництва з позиції старшого над студентами (викладач або консультант) ця технологія намагається ввести різні типи рівноправних віртуальних партнерів у навчальне середовище: навчаючий партнер, учень або навіть порушник порядку. У контексті Інтернет-освіти, де студенти спілкуються головним чином через низько пропускні канали (електронна пошта, чат, форуми), віртуальний студент стає дуже привабливим уособленням для реалізації різних стратегій підтримки. Очікуються більші дослідження у цьому напрямку та його подальша інтеграція з напрямками анімованих агентів та інтелектуальної підтримки співробітництва.

Інтелектуальний моніторинг класів - інша АІОІС-технологія, мотивована Інтернет-освітою. У контексті Інтернет-освіти «віддалений викладач» не може бачити вирази нерозуміння або загубленості на обличчях студентів. З таким чітким браком зворотного зв’язку стає дуже важко визначити проблемних студентів, що потребують додаткової уваги, яскравих студентів, яким слід кинути виклик, так само і визначення частин навчального матеріалу, які є занадто легкими, занадто складними, або незрозумілими. Системи освіти на основі Інтернет можуть відслідковувати кожну дію студента, проте це майже неможливо для викладача-людини знайти який-небудь сенс у великому об’ємі даних, що збирається системою. Системи інтелектуального моніторингу класу (нагляду за класом) намагаються використовувати штучний інтелект, щоб допомогти викладачу в даній ситуації. Цей напрямок роботи було започатковано у HyperClassroom, де використовувалася нечітка технологія для визначення студентів, що опинилися в тупику. До недавнього часу HyperClassroom була єдиним прикладом у цьому роді, проте останні роки принесли декілька інших прикладів.

2.2 Проблеми створення гіпертекстового навчаючого середовища

Світ дедалі більше прискорюється. Це також виражається у такій галузі як освіта і підготовка фахівців. Якщо колись було можливим, пройшовши навчання протягом п’яти років (вища освіта), працювати все життя, ґрунтуючись на здобутих знаннях, то сьогодні ми можемо спостерігати велику потребу у постійному вдосконаленні професійного рівня, освоєння нових досягнень і здобуття нових навичок. Освіта переходить під лозунг «Навчання через все життя», суспільство вимагає інтенсифікації процесів передачі знань, знання стають більш доступними, все це прискорює темпи загального розвитку, які в свою чергу породжують нове коло вимог до технологій освіти. Колись Інтернет (WWW) призвів до вибуху в інформаційній сфері, ставши відкритим середовищем для збереження і руху інформації без географічних і часових обмежень, сьогодні Всесвітня Мережа стоїть перед викликом зробити знання такими ж легко доступними, як і іншу інформацію. Всесвітнє гіпертекстове інформаційне середовище має стати гіпертекстовим середовищем передачі і збереження знань. Мережа WWW має весь необхідний потенціал для того, щоб стати фундаментом для побудови новітніх освітніх середовищ, які задовольнять вимоги часу по наданню і розповсюдженню знань.

Ми можемо спостерігати цей поступальний рух Всесвітньої Павутини до «мережі знань» вже сьогодні. Дедалі більших обертів набирає концепція відкритого доступу, що пропагує вільний доступ до знань через Інтернет. Виникає таке поняття, як відкритий університет: створюються віртуальні навчальні заклади, що безкоштовно надають повний об’єм навчальних матеріалів через Інтернет (фінансова складова виникає, лише коли студент бажає отримати підтвердження, чи диплом того, що він успішно завершив певний навчальний процес). З технологічного боку розробники, дослідники і науковці WWW вже довгий час працюють над технологією «розумного» Інтернету, так званою Семантичною Павутиною (Semantic Web), що має на меті застосування технологій подання знань для інтелектуального користування Веб-вмістом для вирішення різноманітних завдань.

Сьогодні ми маємо безліч чудових прикладів Веб-систем для організації дистанційного навчання, серед них Blackboard, WebCt, Moodle, IBM LearningSpace та ін. Такі системи впевнено застосовують переваги інформаційних технологій. Проте слід підкреслити - інформаційних, тоді як дедалі більше ми стикаємося з потребою у технологіях знань. Тут передусім слід згадати науковий напрямок, що безпосередньо займається даною проблемою, а саме - дослідження штучного інтелекту і його розділ подання знань. Не зважаючи на давню історію і значущі досягнення цього напрямку, дуже специфічно тут постає задача репрезентації знань саме для освіти, так як педагогічне подання часто не вписується в загальну парадигму і класичну постановку проблеми подання знань у штучному інтелекті. У зв’язку з цим нижче спробуємо розглянути різні підходи до подання знань, що надихаються різними галузями і перспективу до синтезу цих підходів з метою ефективного вирішення проблеми подання знань для освіти.

3. МОДЕЛІ ТА МЕТОДИ КОНТРОЛЮ ЗНАНЬ В АВТОМАТИЗОВАНІЙ СИСТЕМІ УПРАВЛІННЯ НАВЧАЛЬНИМ ПРОЦЕСОМ

 

.1 Системи знань у завданнях управління складними об’єктами і процесами

На початку створення навчальних систем відповідно до глобальної мети їх побудови під поняттям Автоматизованих навчаючих систем (АНС) розглядали комплекс програмних і апаратних засобів, призначених для автоматизації процесу навчання .

Минув час - і розуміння суті АНС змінилося. На сьогодні сформувалося ставлення до АНС як до "організованого на базі комп'ютера комплексу засобів технічного, лінгвістичного, навчально-методичного і програмного забезпечення, що призначене для діалогової навчальної взаємодії та є програмною оболонкою, яка пристосована для заповнення навчальним матеріалом користувачем-непрограмістом”.

Враховуючи тенденції розвитку та відповідно до поставленої мети автоматизації навчання, можна дати ще одне визначення: АНС - це інструментальний комплекс, що містить математичне, методологічне і програмне забезпечення і призначений для заповнення знаннями користувачем - непрограмістом, з метою створення навчальної системи і, зрештою, реалізації автоматизованого навчання.

Одним з найважливіших аспектів функціонування будь - яких систем є відповідність їх можливостей меті, яка повинна бути досягнута. Будь - яка система, процес, повинен забезпечувати певний результат, виходячи з якого можна пояснити їх функціонування. Системи, яким не властиві ці риси, називаються нецілеспрямованими. Цілеспрямовані системи поділяються на керовані, мету яких встановлює система більш високого порядку, і власне цілеспрямовані, які мають здібності до самостійного цілевизначення.

Поняття «мета» тісно пов'язано з поняттям «знання». Так само, як і знання, мета може бути представлена декларативно, - у вигляді описів об'єктів і відносин між ними, і процедурно - у вигляді алгоритмів (процедур), які містять необхідні описи інформаційних елементів і одночасно визначають спосіб їх обробки. В сучасних АСУ НП застосовуються обидва підходи. Знання в АСУ НП організовуються так, щоб знання про предметну сферу відділити від інших типів знань системи, таких, як загальні знання про те, як виконувати завдання, або знання про те, як взаємодіяти з користувачем. Виділені знання про предметну сферу називаються базою знань, загальні знання про знаходження способів вирішення завдань називаються механізмами логічного виводу. Програма, яка працює із знаннями, організованими так само, називається системою, заснованою на знаннях.

Знання - це результат розумової діяльності людини, спрямованої на узагальнення її досвіду, набутої внаслідок практичної діяльності.

Найважливішим елементом системи управління навчанням є модель пам'яті. Завдяки пам'яті людина здобуває нові знання, класифікує і удосконалює набуті.

3.2 Формалізація вимог стандартів навчання

У системі професійної освіти України первинні посади для кожної кваліфікації здебільшого визначаються за одним з основних нормативно-правових документів сфери праці та соціального захисту - „Довідником кваліфікаційних характеристик професій працівників”. У „Довіднику” представлено кваліфікаційні характеристики посад, тобто переліки завдань і обов'язків, які мають виконувати працівники, вимоги до їх професійних знань, освітнього та освітньо-кваліфікаційного рівнів. На підставі кваліфікаційних характеристик (вимог сфери праці) та вимог до соціальнозначущих рис та якостей випускника вищого навчального закладу (вимоги суспільства) формується компетентнісна модель фахівця у вигляді складової системи стандартів вищої освіти - освітньо-кваліфікаційної характеристики (ОКХ). У цій складовій визначаються місце фахівця в структурі галузей економіки держави, вимоги до його компетентності, інші соціально-важливі якості, і головне, відображаються завдання вищої освіти та професійної підготовки у формі системи умінь вирішувати певні завдання діяльності (рис. 3.1).

Рис. 3.1 Структура освітньо-кваліфікаційної характеристики

ОКХ, тобто модель фахівця, має бути трансформована у модель підготовки цього фахівця, що також подається у вигляді складової системи стандартів вищої освіти - освітньо-професійної програми підготовки (ОПП). В останній установлюються вимоги до змісту, обсягу і рівня освіти й професійної підготовки фахівця (у формі системи модулів змісту навчання, точніше, назв змістових модулів) та нормативний термін навчання відповідно до визначеного рівня професійної діяльності (рис. 3.2).

Рис. 3.2 Структура освітньо-професійної програми

Завдання навчальної дисципліни (а також її місце в навчальному процесі, очікувані результати дидактично обґрунтованої діяльності викладача і навчальної діяльності тих, хто навчається, узагальнений опис навчальних ситуацій у конкретних умовах вивчення певної дисципліни, формулювання суті дидактичних проблем і відомості щодо можливих шляхів їх вирішення у межах реалізації навчального плану, міждисциплінарні зв'язки тощо) мають ґрунтуватися на результатах аналізу цільової настанови та містити зрозумілі для тих, хто навчається, умови досягнення цілей навчальної дисципліни.

Ці умови закладено в модульно-кредитній системі, яка має за мету:

досягнення відповідності стандартам європейської системи освіти, яка виходить із знань, умінь і навичок, що є надбанням випускника;

використання українських освітніх кваліфікацій європейським ринком праці;

затвердження загальноприйнятої і порівняльної системи освітньо-кваліфікаційних ступенів;

впровадження стандартного додатку до диплома, модель якого було розроблена Європейською Комісією, Радою Європи і UNESCO/CEPES і який містить детальну інформацію про результати навчання випускника;

стимулювання викладачів і студентів вищих навчальних закладів до вдосконалення системи об'єктивного оцінювання якості знань;

забезпечення “прозорості” системи вищої освіти і відповідного академічного і професійного визнання кваліфікацій.

Кредитно-модульній системі, як невід'ємному атрибуту Болонської декларації, надаються дві основні функції:

перша - сприяння мобільності студентів і викладачів і спрощення переходів з одного ВНЗ до іншого;

друга - акумулююча, чітке визначення обсягів проведеної студентом роботи з урахуванням усіх видів навчальної і наукової діяльності.

Відповідність освітніх послуг вимогам стандартів вищої освіти визначається під час акредитації напрямів та спеціальностей, атестації і професійної сертифікації випускників вищого навчального закладу. При цьому застосовуються засоби діагностики якості вищої освіти - стандартизовані методики об'єктивного оцінювання якості освіти, яку особа набула в результаті реалізації освітньо-професійної програми підготовки вищим навчальним закладом, та визначення ступеня відповідності показників вищої освіти вимогам освітньо - кваліфікаційної характеристики за критеріями досягнення остаточних завдань освіти та професійної підготовки.

Засоби діагностики якості вищої освіти також є складовою системи стандартів вищої освіти (рис. 3.3).

Рис. 3.3 Структура засобів діагностики якості вищої освіти

Новим для освіти України є те, що як засіб діагностики введено критеріально-орієнтовані тести і психодіагностичні методики, спрямовані на вимірювання й оцінювання повноти, системності й рівня професійних знань, а також дієвості й самостійності випускників навчальних закладів, що дає змогу порівняти рівень їх досягнень у процесі підготовки з еталонними вимогами освітньо-кваліфікаційних характеристик.

Основними елементами кредитно-модульної системи є модулі і кредити. Модулі конструюються як системи навчальних елементів, з'єднаних ознакою відповідності певному об'єкту професійної діяльності. Останній розглядається як деякий обсяг навчальної інформації, що має самостійну логічну структуру, зміст і дозволяє оперувати цією інформацією в процесі розумової діяльності студента.

Кредит (credit) - умовна одиниця вимірювання навчального навантаження студента при вивченні складової навчальної програми або окремої дисципліни (курсу), виконаної студентом під час навчання. Кредит - мінімальна одиниця, яка точно документується, часто означає навчання упродовж тижня (суму аудиторної і самостійної роботи студента).

Кредити єдиної системи трансферів і залікових одиниць (ЕСТS) являються кількісним еквівалентом оцінки (від 1 до 60), призначеної для елементів навчального плану, щоб охарактеризувати навчальне навантаження студента, яке потрібне для завершення навчання.

При кредитно - модульній системі організації навчального процесу у ВНЗ зміст навчальних дисциплін розподіляється на змістовні модулі, які мають бути вивчені студентом та оцінені викладачем.

Студент інформується про результати оцінювання навчального модуля, як складової підсумкового оцінювання засвоєння навчальної дисципліни.

Підсумкове оцінювання засвоєння навчального матеріалу дисципліни визначається без проведення семестрового іспиту (заліку) як інтегрована оцінка засвоєння всіх змістовних модулів з урахуванням «вагових коефіцієнтів».

До знань, які набув студент, додаються знання щодо майбутньої діяльності - про методи та прийоми вирішення завдань діяльності. Відповідно до завдань навчання навчальний процес будується таким чином, що забезпечує поетапне, з урахуванням закономірностей, формування пізнавальної діяльності і переведення тих, хто навчається, з вихідного рівня навченості до необхідного.

Діяльність, а точніше уміння діяти, є однією з основних системоутворювальних ознак сучасних систем праці та вищої професійної освіти. Завданнями навчання стають тільки уміння, а знання є науковим змістом навчання. Відповідно до встановлених завдань навчання (системи умінь) здійснюється відбір знань про об'єкти та процеси, що є необхідними для умінь.

Прийняття на озброєння вимог стандартів навчання і критеріїв прийняття рішень створює принципові передумови до того, щоби досягти у кожного студента максимальної, теоретично найвищої якості знань при мінімальній витраті часу і сил самого студента і викладача.

Найефективнішим способом організації управління навчанням, прийняття рішення та підвищення якості процесу навчання є адаптивний підхід. При цьому адаптивна система налагоджується під студента, встановлюючи черговість та інтенсивність вивчення матеріалу, з урахуванням досягнутих студентом результатів. Під час індивідуального контакту викладача зі студентом важливо мати інструмент для контрольного тестування рівня засвоєння знань. Контроль проводиться особами, що приймають рішення, і не впливає на оцінку, він дозволяє побачити стан підготовки кожного і внести відповідні корекції в навчальний процес.

Успішне керівництво і управління підготовкою фахівців потребує здійснення цієї діяльності за певною системою і зрозумілим способом. Успіх може бути досягнутий в результаті впровадження та інформаційної підтримки системи менеджменту, спрямованої на постійне поліпшення діяльності. Структурна схема процесів управління якістю підготовки фахівців у ВНЗ наведена на рис. 3.4.

Стандарти сімейства ІSО 9000 виділяють основні принципи менеджменту якості, що можуть використовуватися для підвищення ефективності процесу підготовки фахівців: орієнтація на споживачів; роль керівництва; залучення наукових і педагогичних кадрів для використання їх здібностей з максимальною ефективністю; підхід до управління навчальною діяльностю і необхідними для неї ресурсами, як до процесу; системний підхід до менеджменту; постійне поліпшення; прийняття рішень, засноване на фактах; взаємовигідні відносини з установами, які постачають абітурієнтів.

Вищезгадані принципи менеджменту якості є основою всіх стандартів систем менеджменту сімейства ISO 9000 і покладені в основу створення стандартів ОНПУ в контексті Болонського процесу.

Рис. 3.4 Схема процесів управління навчальною діяльністю

Об’єктами комплексної системи управління функціонуванням ОНПУ є навчальна діяльність, наукова діяльність, аспірантура і докторантура, інформаційно-бібліотечне обслуговування студентів і співробітників, кадрова робота, система оплати праці і заохочення працівників за високі трудові досягнення, діловодство і обіг документів, господарське обслуговування і матеріально - технічне забезпечення, заходи з охорони праці тощо.

Предметом дослідження є параметри управління процесом діяльності ОНПУ зі створенням системи стандартів підприємства.

Реалізація результатів роботи виконується у вигляді оприлюднення нормативів комплексної системи управління функціонуванням ОНПУ в контексті Болонського процесу з розміщеннням на Web-сайті ОНПУ.

Матеріали мають два варіанти доступу: загальний - для зовнішніх користувачів; внутрішній - за рівнями доступу для певних категорій користувачів.

3.3 Аналіз основних моделей представлення знань

У сучасній інженерії знань не існує достатньо універсальної або типової моделі представлення знань. Різноманітність моделей відображення знань призводить до того, що необхідно вибирати засоби для реалізації того чи іншого завдання. З урахуванням даних, що зустрічаються в різних джерелах, можна запропонувати наступні якісні критерії оцінки моделей представлення знань:

рівень складності елемента знань, з якими працює модель;

універсальність представлення знань - можливість описати знання з різних наочних сфер;

природність і наочність представлення знань при використанні;

здібність моделі до навчання і формування нових, несуперечливих знань;

розмірність моделі за обсягом пам'яті, необхідним для зберігання елемента моделі;

зручність розробки системи на основі моделі.

Знання традиційно поділяють на процедурні і декларативні. Історично первинними були процедурні знання, тобто знання, «розчинені» в алгоритмах. Вони керували даними, і для їхньої зміни було потрібно змінювати програми. Однак пріоритет даних поступово змінювався, і все більша частина знань зосереджувалася в структурах даних (таблиці, списки, абстрактні типи даних), у такий спосіб збільшувалася роль декларативних знань.

Сьогодні знання набули суто декларативної форми, а саме, знання - це речення, записані мовами представлення знань, наближених до природної мови і зрозумілих нефахівцям. Представлення знань є фундаментальним поняттям, що визначає описові можливості систем з базами знань. Рішення про вибір способу представлення знань впливає на будь-яку складову частину таких систем. Представлення знань є засобом опису знань людини і його можливості повинні бути найвищими. Однак, якщо форма представлення дуже складна, то ускладнюється механізм виводу.

Існують десятки моделей (або мов) представлення знань для різних предметних галузей. У більшості випадків виділяють 4 типові моделі: логічна, продукційна, семантична мережа, фреймова.

Логічна модель заснована на класичному визначенні предикатів першого порядку, коли предметна галузь описується у вигляді набору аксіом. Логіка предикатів - наукова галузь, яка називається символьною логікою. Логіка як система конструюється з мови числення предикатів першого порядку, декількох теорем, представлених у термінах цієї мови, що описують відносини, які закладаються в базис логічно повної системи, і правил висновку, які із заданої групи представлень виводять представлення, що відрізняються від усіх заданих представлень цієї групи. Основними формалізмами представлення предикатів є «терм», що встановлює відповідність знакових символів описуваному об'єкту, і предикат для опису відносини сутностей, у вигляді реляційної формули, що містить у собі терми. Предикат, усі терми якого є термами - константами, називають висловленням. Коли ж кажуть «предикат», то передбачають, що до нього входить терм - змінна. Якщо в предикаті забезпечена можливість застосування природної мови, то він відповідає реченню в найбільш простій його формі, так званому простому реченню. Виходячи з цієї форми, присвоюються символи і синтаксичні правила для визначення предикатних формул, які відповідають звичайному реченню.

Продукційна модель або модель, заснована на правилах, дозволяє представити знання у вигляді речень типу: «Якщо (умова), то (дія)». Під «умовою» мають на увазі якесь речення-зразок, за яким здійснюється пошук у базі знань, а під «дією» - дії або оператори, виконані при успішному результаті пошуку (вони можуть бути проміжними, виступати далі як умови і цільовими, що завершують роботу системи). Найчастіше висновок на такій базі знань буває прямий (від даних до пошуку мети) чи зворотній (від мети для її підтвердження - до даних). До складу продукційної моделі входить база правил, глобальна база даних, інтерпретатор правил. Базою правил є ділянка пам'яті, що містить базу знань - сукупність знань, представлених у формі правил вигляду «Якщо - то». Глобальною базою даних є ділянка пам'яті, що містить фактичні дані (факти), які описують дані, що вводяться, і стан системи. Інтерпретатор - це механізм висновку, він тим компонентом системи, що формує висновки, використовуючи базу правил і базу даних. Механізм висновку виконує функції пошуку в базі знань, послідовного виконання операцій над знаннями й одержання висновків.

Перші ІС були побудовані саме на основі моделі представлення знань за допомогою продукційних правил. Не зважаючи на всі недоліки таких моделей, ці системи дуже ефективні і продовжують використовуватися і сьогодні.

Семантична мережа - це орієнтований граф, вершини якого -поняття, а дуги - відносини між ними. Семантика, як відомо, - це наука, яка встановлює відносини між символами й об'єктами, що вони позначають, тобто наука, яка визначає зміст знаків. Як поняття в семантичній мережі звичайно виступають абстрактні чи конкретні об'єкти, а відносинами є зв'язки типу: «це», «має частиною», «належить», «любить». Найчастіше в семантичних мережах використовуються наступні відносини:

- зв'язки типу «частина - ціле» («клас - підклас», «елемент - множина», і т.п.);

функціональні зв'язки (обумовлені звичайно дієсловами «робить», «впливає», …);

кількісні (більше, менше, дорівнює, …);

просторові (дальше від, ближче від, за, під, над, …);

тимчасові (раніш, пізніше, протягом, …);

атрибутивні зв'язки (мати властивість, мати значення);

логічні зв'язки (І, АБО, НІ);

- лінгвістичні зв'язки і т.ін.

Проблема пошуку рішення в базі знань у вигляді семантичної мережі зводиться до завдань пошуку фрагмента мережі, який відповідає деякій під мережі, що відображає поставлений запит до бази знань.

Специфічні властивості семантичних мереж обумовили їхню широку популярність серед дослідників як засіб умовиводу, тому що вони більше за інших відповідають сучасним уявленням про організацію довгострокової пам'яті людини. Для реалізації семантичних мереж існують спеціальні мережеві мови, наприклад NET та ін. Широко відомі експертні системи, які використовують семантичні мережі в якості мови представлення знань - PROSPECTOR, CASNBT, TORUS.

Серед різних понять і моделей знання особливий інтерес викликає модель "проекціювання", в якій знання розглядається, як проекція об'єкту в певному ракурсі. Ця модель цікава тим, що вона явно містить у собі фігуру "спостерігача", або "позицію", формальні операції і засоби роботи з об'єктом і його зображеннями, зокрема, за різними правилами. Тим самим "модель проектування" є ключовою ідеєю для побудови "змістовної логіки", альтернативної "формальній логіці". При цьому центральним є метод Г. Крона. Цікавою є спроба використовувати апарат Крона при створенні баз знань. Знання розглядається як результат "взяття" об'єкта з "певного боку" у формі певної його проекції.

Знання організуються в пам'яті комп'ютера у вигляді достатньо великої сукупності певним чином структурованих даних, що є стереотипними ситуаціями. Ці структури даних, що запам'ятовуються, отримали назву "фрейми". З кожним фреймом асоційована інформація різних видів. Одна її частина вказує, яким чином слід використовувати даний фрейм, інша - що ймовірно, може спричинити за собою його виконання, третя - що слід зробити, якщо ці очікування не підтвердяться.

Модель представлення знань на базі фреймів дала початок технології об'єктно-орієнтованого аналізу і проектування (ООА/П), яка останнім часом швидко розвивається. Можна сказати, що, успадковувавши всі переваги МПЗ на базі семантичних мереж і МПЗ на базі фреймів, об'єктно-орієнтована МПЗ є в даний час наймогутнішим апаратом, що забезпечує формалізований опис знань у різних наочних сферах.

Розвиток технології ООА/П спричинив до створення спеціалізованих лінгвістичних засобів, таких як, наприклад, мова UML (Unified Modeling Language), призначених для опису і розробки моделей практично будь-якої складності. Спеціальні мови представлення знань в мережах фреймів FRL (Frame Representation Language) і інші дозволяють ефективно будувати промислові ЕС. Широко відомі такі фреймо-орієнтовані експертні системи, як ANALYST, МОДІС.

Усі з вище перерахованих моделей знань мають ряд переваг і недоліків. При цьому будь-яка з них може бути зведена до іншої, наприклад, семантичну мережу можна зобразити за допомогою фреймів і навпаки. Основні відмінності полягають у зручності представлення знань для людини і для подальшої їх обробки з використанням комп’ютерних засобів. Основним завданням на даний момент є створення гібридних систем, заснованих на різних моделях представлення знань і пошук компромісу між зручністю представлення знань і швидкістю їх обробки стосовно систем, заснованих на знаннях.

3.4 Характеристика адаптивного навчання

Адаптивне навчання розвивається у межах сучасного підходу до проблеми навчання, запропонованого Гордоном Паском і розвинутого Л.А. Растригіним.

Базовим методом є підхід Л.А. Растрігина, за яким процес навчання розглядається як процес управління складним об'єктом. У цьому випадку студент виступає як об'єкт управління, а викладач або навчальний пристрій - як джерело управління управлінського пристрою. Схема процесу навчання зображена на рис. 3.1. “Викладач” подає на вхід “студента” порцію НІ U ; Y - стан “студента”, що подається на давач (тест); Y’ - інформація про стан “студента”, отримана “викладачем”. “Викладач” повідомляє мету навчання Z* і ресурси R, які він має для навчання.

Представимо процес навчання у вигляді послідовності кроків або занять, що відбуваються відповідно в моменти часу t₁-,t_m. На N занятті викладач повідомляє студенту деяку порцію НІ. Студент вивчає її, а на наступному занятті відбувається контроль, результати якого подаються у вигляді YN. Використовуючи результати контролю YN, викладач визначає нову порцію НІ, яку повідомляє студентові на черговому (N+1) занятті. Таким чином, процес навчання - це обмін інформацією між студентом і викладачем, причому YN-реакція студента на навчальну дію UN викладача.

Ймовірно, що такого роду об'єкт управління є складним об'єктом і до управління ним можуть застосовуватись всі відомі принципи управління складними об'єктами.

 

Рис. 3.5 Схема процесу навчання

3.5 Класифікація методів і засобів адаптивного навчання

Моделі адаптивного навчання реалізуються в процесі навчання, в якому складність завдань змінюється у залежності від того, як студент засвоює навчальний матеріал. Можна сказати, що адаптивна модель нагадує викладача на іспиті - якщо студент відповідає на поставлені запитання, впевнено і правильно, викладач достатньо швидко ставить йому позитивну оцінку. Якщо студент починає «плавати», то викладач задає йому додаткові або навідні запитання того ж рівня складності або за тією ж темою. І, нарешті, якщо студент із самого початку відповідає погано, оцінку викладач теж ставить достатньо швидко, але негативну. Дані моделі застосовуються для навчання за допомогою комп'ютера, оскільки на паперовому бланку неможливо наперед розмістити стільки запитань і в тому порядку, скільки і в якому вони повинні бути пред'явлені студенту.

Слово “метод” у перекладі з грецької означає “дослідження, спосіб, шлях досягнення мети”. Етимологія цього слова позначається і на його трактуванні як наукової категорії. Так, наприклад, у філософському енциклопедичному словнику під методом в загальному значенні розуміють “спосіб досягнення певної мети, сукупність прийомів або операцій практичного або теоретичного освоєння дійсності”.

Аналіз літератури показує, що в ХХ столітті дискусії про те, як найбільш ефективно, організаційно і методично правильно побудувати процес навчання у вищій школі, не завершилися. Так, у підручниках для педагогічних вузів 70-х років за основу взято положення про те, що будь-яке педагогічне явище містить чотири компоненти: суб'єкт, об'єкт, мету діяльності, предмет спільної діяльності (речі, властивості, відносини, які існують в об'єктивній реальності, а також знання про них, які є продуктом культурного розвитку).

При такому підході поняття “метод” як педагогічна категорія характеризується через зміну в часі всіх чотирьох компонентів:

метод як сторона діяльності суб'єкта;

метод як сторона діяльності об'єкта педагогічної дії;

метод залежно від поставленої загальної і окремої мети діяльності;

метод як характеристика структури і форми предмета їх спільної діяльності.

На основі останнього аспекту формулюється достатньо складне визначення: “Метод навчання це спосіб управління (з боку суб'єкта) процесом формування індивіда або групи (оскільки педагогічно усвідомлена дія є одним із загальних чинників такого формування) через надання певної форми і структури предмета їх спільної діяльності відповідно до переслідуваної мети. Отже, метод є засобом управління внаслідок вибору суб'єктом педагогічно доцільних форм фіксації змісту і способів розгортання цього змісту”.

В адаптивному навчанні методи виконують такі функції: навчальну (реалізують на практиці мету навчання); розвивальну (задають темп і рівень розвитку студентів); виховну (впливають на результати виховання); спонукальну (виступають як засіб спонукання до навчання); контрольно -корегувальну (діагностика і управління процесом навчання).

Однією із суттєвих проблем сучасної вищої школи є представлення чинних методів навчання із системних позицій. На сьогодні щодо цього немає єдиної точки зору. У зв'язку з тим, що різні автори при розподілі методів навчання на групи і підгрупи використовують різні ознаки, існує ряд класифікацій.

Із розширенням сфери застосування нових інформаційних технологій традиційні моделі навчання доповнюються відеорядом і мультимедійним навчанням, які сприяють зануренню студентів у предмет шляхом показу способу виконання запропонованих завдань по лінії “людина - комп'ютер”.

У сучасній науці не існує жорсткої класифікації засобів навчання. Зацікавленість викликає класифікація засобів навчання, в якій пропонується класифікувати засоби навчання відповідно до рівнів реалізації змісту освіти. Відповідно до запропонованої класифікаційної ознаки виділяються чотири групи засобів навчання. До першої групи належать засоби, розроблені для створення орієнтовної основи діяльності студента: комп'ютерні і комп’ютеризовані підручники, навчальні посібники тощо. В другу групу виділяються засоби навчання, орієнтовані на набуття студентами знань у певній предметній сфері: АНС, ЕНС і АСПР, АСКЗ, комп'ютерні задачники, лабораторні практикуми і навчальні програми. Перераховані засоби застосовуються для автоматизованого адаптивного навчання, комплексного оцінювання знань і управління пізнавальною діяльністю. В третю групу входять комп'ютерні засоби, що використовуються для формування у студентів в процесі навчання необхідних професійних навиків і умінь. До них належать системи автоматизованого проектування (САПР), що забезпечують формування необхідних професійних навичок і умінь у процесі виконання завдань з курсового і дипломного проектування, а також проектування технічних об'єктів; автоматизовані системи наукових досліджень, що розробляються і використовуються в освітньому процесі для отримання навиків виконання завдань дослідницького характеру; комп'ютерні функціональні та комплексні тренажери, які дозволяють сформувати у майбутніх фахівців риси, які визначаються їх професійною діяльністю. До четвертої групи належать засоби, застосування яких можливо для вирішення декількох дидактичних завдань одночасно. Це автоматизовані бібліотечні системи, автоматизовані довідкові системи, інформаційно - пошукові системи, інформаційно - розрахункові системи, банки даних і БЗ, універсальні СУБД, які забезпечують можливість роботи з готовими професійними і навчальними базами даних; електронні таблиці, математичні пакети і засоби мультимедіа дозволяють виконати значну частину прикладних навчальних завдань.

Наведені чинні класифікації навчальних систем показують їх неоднозначність. Враховуючи вищезгадане, пропонується класифікація методів (табл. 3.1) та засобів (табл. 3.2), які застосовуються в адаптивному навчанні за структурою і параметрами, що наводить на думку про те, що вони повинні створюватися за принципом відкритої архітектури на основі модульної структури.

Таблиця 3.1

Класифікація методів адаптивного навчання

Адаптивне навчання	Групи методів	Методи АСПР	Функції
	Навчання	Набуття знань	Навчальна
	Формування вмінь та навиків для використання знань на практиці	Формування вмінь та навиків	Розвивальна
		Використання знань	Виховна, спонукальна
		Творча діяльність
		Закріплення
	Діагностика	Перевірка знань, умінь, навиків	Контрольно-корегувальна

Таблиця 3.2

Класифікація засобів адаптивного навчання

Засоби	Структура	Параметри	Функції
Автора	Цикл Дисципліна Модуль Тест	Тексти, таблиці, формули, схеми, запитання, відповіді, рисунки, відео тощо	Наповнення та редагування предметної сфери
ОПР	Розробник навчальних курсів Адміністратор Викладач	Шкала, критерії оцінювання Протоколи результатів оцінювання	Управління пізнавальною діяльністю, формування моделі знань, аналіз результатів тестування
Студента	Новачок Невстигаючий Встигаючий Відмінник Практик	Оцінка. Рівень відновлення знань. Частка невикористаного часу, виділеного на тестування	Відповідь на запитання, вибір порядку тестування та побудова моделі поточних знань
Електронні навчально-методичні посібники	Каталог Файл	RTF-файл HTML-файл	Створення електронних версій навчального матеріалу
WEB-сервер	Сайт Тестер	Обсяг пам’яті Швидкість обробки даних	Організація видаленої роботи студента та ОПР з АСПР
Сервер даних	БД студентів, БД результатів тестування, БД предметного накопичення	Обсяг пам’яті Швидкість обробки даних	Формування БД студентів, БД результатів тестування, БД предметного накопичення

3.6 Сфера використання адаптивного навчання

Розподіл засобів адаптивного навчання на вказані вище групи є певним чином умовним, оскільки кожний з них може бути переорієнтований на рішення інших, у тому числі, окремих дидактичних завдань.

. “Навчання для всіх“ містить 10 проектів, серед яких: розробка систем доступу для груп людей, залишених без уваги: емігрантів, домогосподарок, засуджених; тематична мережа, де створюється карта сервісів дистанційного навчання в мережі Інтернет; підтримка механізмів оплати для проектів дистанційного навчання тощо

. “Технології навчання завтрашнього дня“ містить 10 проектів:

WEBLABS - модельне конструювання в галузі математики і фізики;

FLIC і CRAFT - нові способи тренування знань іноземних мов;

TRACKING - оцінка ефективності технології навчання за допомогою тестування до і після навчання тощо.

. “Самонавчання в професійній діяльності“ містить 24 проекти у сфері підвищення кваліфікації і вивчення спеціалізованих курсів:

ELSA - автоматизована система, через яку студенти можуть дістатися до навчальних курсів;

CBLPET - курси інженерів у сфері нафтовидобутку;

ICIS - навчання у сфері інформаційних технологій тощо.

Адаптивне навчання реалізується в межах єдиного середовища ОРОКС, де забезпечується цільове і логічне об'єднання різних інформаційних ресурсів через механізм роботи мережі Інтернет з електронними навчальними планами, в яких дисципліна розписується на рівні занять, забезпечених всією необхідною підтримкою для успішного засвоєння студентом програми курсу.

Розвинутою програмною розробкою є навчальний комплекс системи „КАДІС” з методів оптимального проектування в машинобудуванні. Система містить декілька десятків навчальних комплексів з різних навчальних дисциплін. Одним з них є комплекс „Оптимізація”. Він призначений для підтримки курсів із САПР [78].

Оболонка „РАКЕЛЬ” це система інваріантна предметові навчання. Налагодження оболонки на предметну сферу здійснюється за допомогою бази знань і бази даних, які створюються інженером - фахівцем і викладачем.

Функціонування оболонки „РАКЕЛЬ” в режимі комп'ютерного курсу базується на організації навчання як інформаційного процесу формування знань у суб'єкта навчання (студента) під керівництвом викладача. Навчання як інформаційний процес складається з операцій, кожна з яких характеризується алгоритмом, вхідною і вихідною інформацією. Сукупність операцій, які мають загальне цільове призначення, об'єднуються в етапи: етап накопичення інформації (оволодіння інформацією); етап вироблення розуміння накопиченої інформації; етап вироблення уміння виконувати типові завдання предмета; етап контролю знань. Процес навчання розглядається як об'єкт управління в навчальній системі, управлінська частина якої формує модель поточного стану знань і реалізує алгоритм управління, тобто алгоритм вироблення поточного завдання студентові на основі порівняння моделей поточного і необхідного рівнів знань, які у свою чергу формуються викладачем на основі аналізу і декомпозиції процесу навчання і заноситься в БЗ на етапі генерації комп'ютерного курсу.

Комп'ютеризований адаптивний тест (CAT) - це тест, який пристосовується до можливостей студента.

Адаптивна тренувальна система ATS (Adaptive Training System) відображає стан знань студента і його перехід у стан експерта, таким чином пропонуючи адаптивне навчання залежно від його стилю.

Формальні мови і середовище автоматів FLUTE (Formal Languages and aUTomata Environment) включає такі компоненти, як рівень поточних знань, поточний прогрес, час і кількість спроб при виконанні завдання, поведінка студента, ініціатива.

Під час досліджень адаптивних навчальних систем було встановлено, що деякі з них не використовують модель студента, що знижує якість навчального процесу і не дозволяє організувати адаптивне навчання. Більшість систем реалізована на базі оверлейних - векторних і мережевих моделей (графи знань). Проте вони не відображають всю необхідну інформацію, і, як правило, визначають тільки рівень знань. Досить рідко враховуються психологічні характеристики того, хто навчається, або, якщо вони і беруться до уваги, то лише одна або дві. Для розробки адаптивних комп'ютерних систем навчання найзручнішим видається використання змішаної структури моделі студента.

3.7 Порівняльна характеристика деяких підходів до комп’ютерного тестування

Наведемо короткий огляд технологій реалізації тестування, які можуть застосовуватися в системах дистанційного навчання. Порівнюється традиційне створення комп’ютерних тестів вручну і тестування на основі семантичних моделей - на основі семантичної мережі і понятійно-тезисної моделі.

Традиційний підхід до створення засобів тестування фактично являє собою комп’ютеризацію ручного створення тестів. Переваги тут полягають власне у використанні інформаційно-комунікаційних технологій замість письмового тестування, що дає додаткові можливості щодо управління формуванням тестів з банку створених завдань, автоматичної перевірки результатів. Однаково і перевагою і недоліком даного підходу є ручне, неавтоматичне створення завдань. Зазначимо лише, що наявність конкретних статичних тестів дає широкі можливості для зосередження на питаннях валідності і надійності тестів. Основним недоліком підходу є висока трудомісткість самого процесу по формуванню банку завдань.

Наріжним каменем семантичних мереж є так звані тріади: сутність 1 - відношення - сутність 2. Наприклад є такі сутності «процедура» і «програма». В такому випадку між ними можна встановити відношення типу «є частиною». Тоді отримуємо: сутність «процедура» «є частиною» сутності «програма». Завдання тесту будується шляхом опущення одної з ланок тріади і постановкою запитання про відсутню ланку. Перевагою даного підходу є здатність системи міркувати знаннями з предметної області. Недолік полягає у великих витратах при складанні завершеної цілісної семантичної мережі, яка б коректно відображала дану предметну область, що вивчається.

Понятійно-тезисна модель передбачає однозначний зв'язок семантичних даних із навчальним матеріалом. Це дає можливості для управління навчальним процесом і процесом контролю знань і їх адаптації. В даному випадку ми маємо інформацію про поняття і їх місце знаходження у навчальному матеріалі. Кількість семантичних одиниць, що стосуються поняття, з легкістю обраховується для кожного навчального фрагменту. Насправді система не міркує знаннями з предметної області, проте щодо окремих висловів чи тверджень, які описують поняття і сприймаються системою «як є», вона володіє інформацією про те, де вони містяться у загальній структурі навчального матеріалу.

Ключовим моментом технології є семантичний розбір навчального тексту. Тут можна провести паралелі із «семантичним конспектом», запропонованим Атановим. Фактично це заміняє формування БЗ у таких підходах як семантичні мережі, концептуальні графи тощо. Перевагою, очевидно, є природність даного процесу у технології ПТМ. Крім того в даній технології робиться акцент на педагогічному підході, тоді як в традиційних технологіях штучного інтелекту акцентується увага на питаннях характерних для цієї області, що часом є важко прийнятним (і ,можливо, необов’язковим) як для реалізації у рамках педагогічної комп’ютерної системи, так і для працівників-користувачів системи.

Таким чином в ході проведених досліджень нами було розглянуто підхід до побудови сучасної системи навчання, який ґрунтується на створенні моделі подання знань. Змістова складова формалізується за допомогою понятійно-тезисної семантичної моделі. На її основі формується апарат автоматизованого контролю знань в системі. Модель знань має перспективу до розвитку, поглиблення і вдосконалення та потребує подальших теоретичних і практичних досліджень.

4. ПРИНЦИПИ РОБОТИ І СТРУКТУРА WEB-ДОДАТКІВ НА ОСНОВІ ТЕХНОЛОГІЇ ASP.NET

 

.1 Архітектура Web-додатків

додаток являє собою окремий тип програм, побудований згідно з архітектурою "клієнт-сервер". Відмінності їх в том, що сам Web-додаток знаходиться й виконується на сервері - клієнт при цьому отримує тільки результати роботи. Робота додатка будується на отриманні запиту від користувача (клієнта), його обробки та видачі результату. Передача запитів й результатів їх обробки відбувається за допомогою Інтернет (рис. 4.1).

Рис. 4.1 Архітектура Web-додатку

Відображенням результатів запитів, а також прийомом даних від клієнта і їх передачею на сервер зазвичай займається спеціальний додаток - браузер (Internet Expolrer, Mozilla, Opera і т. д.). Як відомо, однією з функцій браузера є відображення даних, отриманих з Інтернету, у вигляді сторінки, описаної на мові HTML, отже, результат, що передається сервером клієнтові, повинен бути представлений на цій мові. На стороні сервера Web-додаток виконується спеціальним програмним забезпеченням (Web-сервером), який і приймає запити клієнтів, обробляє їх, формує відповідь у вигляді сторінки, описаної на мові HTML, і передає його клієнтові.

Одним з таких Web-серверов є Internet Information Services (IIS) компанії Microsoft. Це єдиний Web-сервер, який здатний виконувати Web-додатки, створені з використанням технології ASP.NET.

В процесі обробки запиту користувача Web-додаток компонує відповідь на основі виконання програмного коду, що працює на стороні сервера, Web-форми, сторінки HTML, іншого вмісту, включаючи графічні файли. В результаті, як вже було сказано, формується HTML-сторінка, яка і відправляється клієнтові. Виходить, що результат роботи Web-додатку ідентичний результату запиту до традиційного Web-сайту, проте, на відміну від нього, Web-додаток генерує HTML-код залежно від запиту користувача, а не просто передає його клієнтові в тому вигляді, в якому цей код зберігається в файлі на стороні сервера. Тобто Web-додаток динамічно формує відповідь за допомогою виконуваного коду - так званої виконавчої частини.

За рахунок наявності виконавчої частини, Web-додатки здатні виконувати практично ті ж операції, що і звичайні Windows-додатки, з тим лише обмеженням, що код виконується на сервері, як інтерфейс системи виступає браузер, а як середовище, за допомогою якого відбувається обмін даними, - Інтернет. До найбільш типових операцій, що виконуються Web-додатками, відносяться:

·        прийом даних від користувача і збереження їх на сервері;

·    виконання різних дій по запиту користувача: витягання даних з бази даних (БД), додавання, видалення, зміна даних до БД, проведення складних обчислень;

·        аутентифікація користувача і відображення інтерфейсу системи, відповідного даному користувачеві;

·        відображення оперативної інформації, що постійно змінюється, і так далі.

4.2 Опис архітектури ASP.NET і .NET Framework

.NET - це платформа для створення Web-додатків і Web-сервісів, що працюють під управлінням IIS. Сьогодні існують інші технології, що дозволяють створювати Web-додатки. До них відносяться перш за все, дуже популярні сьогодні мови PHP і PERL, старіша і менш популярна технологія CGI і так далі Проте ASP.NET відрізняється від них високим ступенем інтеграції з серверними продуктами, а також з інструментами Microsoft для розробки доступу до даних і забезпечення безпеки. Крім того, ASP.NET дозволяє розробляти Web- і Windows-додатки, використовуючи дуже схожі технологічні ланцюжки, однакові мови програмування, технології доступу до даним. Більш того, базові мови програмування, за допомогою яких сьогодні можлива розробка Web-додатків, є повністю об'єктно-орієнтованими, що робить розробку здійснимої частини, а також її модифікацію, обслуговування, відладку і повторне використання набагато простішим заняттям, ніж в інших технологіях. Існує достатньо великий перелік сильних сторін використання ASP.NET для створення складних Web-додатків. Відмітимо, що ASP.NET функціонує виключно на серверах Windows, оскільки вимагає наявність IIS. Для створення Web-додтаків, не вимагаючих IIS, а що використовують, наприклад, Web-сервер Apache і що працюють на серверах під управлінням операційних систем, відмінних від Windows, застосовуються інші технології. Важливим моментом в розумінні архітектури ASP.NET є той факт, що вона є частиною інфраструктури .NET Framework.

Як затверджує корпорація Microsoft, до 80% засобів, направлених на дослідження і розробки, витрачається на платформу .NET і пов'язані з нею технології. Результати такої політики на сьогоднішній день виглядають вражаюче. Так, область обхвату платформи .NET просто величезна. Платформа складається з чотирьох груп програмних продуктів: набір мов, куди входять С# і Visual Basic .NET; набір інструментальних засобів розробки, зокрема Visual Studio .NET; велика бібліотека класів для побудови Web-служб і додатків, що працюють в Windows і в Інтернеті; а також середовище виконання програм CLR (Common Language Runtime - загальномовне середовище виконання), в якій виконуються об'єкти, побудовані на цій платформі; набір серверів .NET Enterprise Servers, раніше відомих під іменами SQL Server 2000, Exchange 2000, BizTalk 2000 і ін., які надають спеціалізовані функціональні можливості для звернення до реляційних баз даних, використання електронної пошти, надання комерційних послуг "бізнес-бізнес" і т. д.; багатий вибір комерційних Web-служб, званих .Net My Services.

За помірну плату розробники можуть користуватися цими службами при побудові додатків, що вимагають ідентифікації особи користувача і інших даних. Нові некомп'ютерні пристрої, що підтримують засоби .NET, - від стільникових телефонів до ігрових приставок. Microsoft .NET підтримує не тільки мовну незалежність, але і мовну інтеграцію. Це означає, що розробник може успадковувати від класів, обробляти виключення і використовувати переваги поліморфізму при одночасній роботі з декількома мовами. Платформа .NET Framework надає таку можливість за допомогою специфікації CTS (Common Type System - загальна система типів), яка повністю описує всі типи даних, підтримувані середовищем виконання, визначає, як одні типи даних можуть взаємодіяти з іншими і як вони будуть представлені у форматі метаданих .NET. Наприклад, в .NET будь-яка сутність є об'єктом якого-небудь класу, похідного від кореневого класу System.Object.

Специфікація CTS підтримує такі загальні поняття, як класи, делегати (з підтримкою зворотних викликів), посилальні і розмірні типи. Важливо розуміти, що не у всіх мовах програмування .NET обов'язково повинні підтримуватися всі типи даних, які визначені в CTS. Специфікація CLS (Common Language Specification - загальна мовна специфікація) встановлює основні правила, що визначають закони, яким повинні слідувати всі мови: ключові слова, типи, примітивні типи, перевантаження методів і тому подібне Специфікация CLS визначає мінімальні вимоги, що пред'являються до мови платформи .NET. Компілятори, що задовольняють цій специфікації, створюють об'єкти, здатні взаємодіяти один з одним. Будь-яка мова, відповідна вимогам CLS, може використовувати всі можливості бібліотеки FCL (Framework Class Library - бібліотека класів платформи). CLS дозволяє і розробникам, і постачальникам, і виробникам програмного забезпечення не виходити за межі загального набору правил для мов, компіляторів і типів даних.

Платформа .NET Framework є надбудовою над операційною системою, в якості її може виступати будь-яка версія Windows. На сьогоднішній день платформа .NET Framework включає: чотири офіційні мови: С#, VB.NET, Managed C++ (керований C++) і JScript .NET; об'єктно-орієнтоване середовище CLR (Common Language Runtime), спільно використовувану цими мовами для створення додатків під Windows і для Internet; ряд зв'язаних між собою бібліотек класів під загальним ім'ям FCL (Framework Class Library).

Відносини архітектурних компонентів платформи .NET Framework. Найважливішим компонентом платформи .NET Framework є CLR (Common Language Runtime), що надає середовище, в якому виконуються програми. Головна її роль полягає в тому, щоб виявляти і завантажувати типи .NET і проводити управління ними відповідно до отриманих команд. CLR включає віртуальну машину, у багатьох відношеннях аналогічну віртуальній машині Java.

На верхньому рівні середовище активізує об'єкти, проводить перевірку безпеки, розміщує об'єкти в пам'яті, виконує їх, а також запускає складальник сміття. Під збіркою сміття розуміється звільнення пам'яті, зайнятої об'єктами, які стали даремними і не використовуються в подальшій роботі додатку. У ряді мов програмування (наприклад, C/C++) пам'ять звільняє сам програміст, в явній формі віддаючи команди як на створення, так і на видалення об'єкту. У цьому є своя логіка - "я тебе породив, я тебе і уб'ю". Проте в CLR завдання збірки сміття (і інші питання, зв'язані з використанням пам'яті) вирішується в потрібний час і в потрібному місці виконавчим середовищем, відповідальним за виконання обчислень.

Над рівнем CLR знаходиться набір базових класів платформи, над ним розташовані шар класів даних і XML, а також шар класів для створення Web-служб (Web Services), Web- і Windows-додатків (Web Forms і Windows Forms). Зібрані воєдино, ці класи відомі під загальним ім'ям FCL (Framework Class Library). Це одна з найбільших бібліотек класів в історії програмування. Вона відкриває доступ до системних функцій, включаючи і ті, що раніше були доступні тільки через API Windows, а також до прикладних функцій для Web-розробки (ASP.NET), доступу до даних (ADO.NET), забезпечення безпеки і видаленого управління.

Маючи в своєму складі більше 4000 класів, бібліотека FCL сприяє швидкій розробці настільних, клієнт-серверних і інших додатків та Web-служб. Набір базових класів платформи - нижній рівень FCL - не тільки ховає звичайні низькорівневі операції, такі як файлове введення/вивід, обробка графіки і взаємодія з устаткуванням комп'ютера, але і забезпечує підтримку великої кількості служб, використовуваних в сучасних додатках (управління безпекою, підтримка мережевого зв'язку, управління обчислювальними потоками, робота з віддзеркаленнями і колекціями і т. д.). Над цим рівнем знаходиться рівень класів, які розширюють базові класи з метою забезпечення управління даними і XML. Класи даних дозволяють реалізувати управління інформацією, що зберігається в серверних базах даних.

До числа цих класів входять класи SQL (Structured Query Language, мова структурованих запитів), що дають програмістові можливість звертатися до довготривалих сховищ даних через стандартний інтерфейс SQL. Крім того, набір класів, званий ADO.NET, дозволяє оперувати постійними даними.

Платформа .NET Framework підтримує також цілий ряд класів, що дозволяють маніпулювати XML-даними і виконувати пошук і перетворення XML. Базові класи, класи даних і XML розширюються класами, призначеними для побудови додатків на основі трьох різних технологій: Web Services (Web-служби), Web Forms (Web-форми) і Windows Forms (Windows-форми). служби включають ряд класів, що підтримують розробку полегшених розподілюваних компонентів, які можуть працювати навіть з брандмауерами і програмами трансляції мережевих адрес (NAT). Оскільки Web-служби застосовують як базові протоколи зв'язку стандартні протоколи HTTP і SOAP, ці компоненти підтримують в кіберпросторі підхід "Plug & Play".

Інструментальні засоби Web Forms і Windows Forms дозволяють застосовувати техніку RAD (Rapid Application Development - швидка розробка додатків) для побудови Web- і Windows-додатків. Ця техніка зводиться до перетягування елементів управління з панелі інструментів на форму, подвійному клацанні по елементу і написанню коду, який обробляє події, пов'язані з цим елементом. Кожний Web-додаток, що розробляється на основі ASP.NET складається з інформаційної частини, програмного коду і відомостей про конфігурацію.

Інформаційна частина містить статичні і динамічні елементи сторінки і реалізується у вигляді Web-форм. Статичними елементами є типові елементи мови HTML, динамічні ж компонуються програмним кодом додатку під час його виконання (наприклад, запити до бази даних). Програмний код реалізує логіку, визначену в процедурах обробки даних, які визначають реакцію додатку на запити користувача. Програмний код виконується сервером і взаємодіє з динамічними елементами інформаційної частини для формування відгуку додатку. Відомості про конфігурацію є файлами, що містять параметри, що визначають спосіб виконання додатку на сервері, параметри безпеки, реакцію додатку на виникаючі помилки і так далі.

Основним елементом Web-додатку є Web-форма (або Web-сторінка), яка, з одного боку, схожа на Windows-форму, оскільки дозволяє розміщувати усередині себе різні елементи управління, здатні відображати дані і реагувати на дії користувача, а з іншої є HTML-сторінку, оскільки містить всі її атрибути. Описи елементів управління, згаданих раніше, представляються в коді HTML-сторінки у вигляді спеціальних тегів. Схема взаємозв’язку Web - додатка з клієнтом при першому запиті наведена на рис. 4.2.

Рис. 4.2 Схема взаємозв’язку Web - додатка з клієнтом

У момент закінчення роботи з Web-додатком користувач або закриває браузер, або переходить на іншу інтернет-сторінку. У цей момент завершується сеанс роботи користувача з даним застосуванням, проте само застосування може бути завершене сервером не відразу після закінчення останнього сеансу роботи користувача. Це пов'язано з управлінням розподілом пам'яті платформою .NET Framework, яка заснована на періодичній перевірці посилань об'єктів.

Якщо в результаті такої перевірки виявиться, що об'єкт більше не використовується, сервер знищує його, звільняючи таким чином займану ним пам'ять. Тому не можна точно сказати, коли саме наступить подія Application_End для даного Web-додатку. Такий принцип організації виконання Web-додатків добре підходить для систем, що масштабуються, з інтенсивним мережевим обміном. Проте у нього є і недоліки.

Зокрема, виявляється неможливим зберігати дані, що належать формі, навіть протягом сесії роботи користувача з додатком. Якщо ми захочемо створити якусь змінну, що зберігає, наприклад ідентифікатор замовлення, з яким ми в даний момент працюємо, зробити це буде неможливо, оскільки форма після відправки клієнтові відразу ж знищується. Щоб обійти цей недолік, ASP.NET використовує спеціальний механізм для збереження даних, введених в елементи управління Web-форми. Згідно цьому принципу, в рамках кожного запиту на сервер відправляються всі дані, які були введені в елементи управління. При цьому, як вже згадувалося вищим, на сервері виникає подія Page_Init, метою якої є створення Web-форми і її ініціалізація. В процесі ініціалізації в елементи управління створеної форми записуються передані від клієнта дані. Тепер ці дані стають доступні додатку за допомогою обробки події Page_Load, що виникає при кожному зверненні до сторінки.

5. ОПИС ФУНКЦІОНАЛЬНИХ МОЖЛИВОСТЕЙ ТА ПРОГРАМНОЇ РЕАЛІЗАЦІЇ ПРОЕКТОВАНОЇ СИСТЕМИ

 

.1 Функціональне призначення та технологічні особливості розробки

Відмінною особливістю розробки є максимальна адаптація розробленої системи до дистанційного навчання. Саме тому для практичного втілення системи була застосована новітня технологія ASP.NET.

Всі сценарії виконуються на стороні сервера під управлінням Microsoft -сервісу IIS, тому на клієнтських машинах для доступу к системі потрібен лише браузер. Завдяки підтримки шифруючого протоколу SSL система має достатній рівень безпеки. Система була реалізована в середовищі Microsoft Visual Studio 2008 на мові C# з використанням новітньої технології ASP.NET. База даних представлена у форматі SQLite.

До складу системи входять:

·    AdminsSetting.aspx - файл сценарію управління базою даних;

·        User.aspx - файл сценарію проведення тестування студентів;

·        Graph.aspx - файл сценарію побудови графічних даних (статистика);

·        Edu_tree.xml - структура курсу;

·        Edubase.db3 - файл бази даних формату Sqlite;

·        Style0.css,AdminStyle.css - дизайн сторінки.

Мінімальні вимоги до апаратного забезпечення:

·    IBM-сумісний комп'ютер, не нижче Pentium IІ, RAM-128Mb, SVGA-800*600*16bit;

·        Вільний простір на жорсткому диску не менш 800 Мб.

Додаткове програмне забезпечення: IIS-сервер з підтримкою SSL а також платформа Microsoft .NET Framework 2.0.

5.2 Логіко-функціональна схема роботи системи

В загальному вигляді логіко-функціональну роботи системи можна представити наступним чином (рис. 5.1).

Рис. 5.1 Логіко-функціональна схема роботи системи

 

.3 Математична модель оцінки рівня складності завдання

Нехай тест складається із m різних завдань, тест виконують n студентів. Позначимо через x_i,j числову оцінку успішності виконання j -ого завдання і -им студентом. Якщо і -ий студент вірно виконав j -те завдання, то x_i,j =1. Якщо невірно, то x_i,j =0 . Результати тестування представляються у вигляді матриці результатів x, що має розмір [n][m].

де ,

 

Обчисливши  (частка правильних відповідей і -ого студента на всі завдання тесту та  - частка неправильних відповідей), можна визначити початковий логіт рівня знань кожного студента (тобто початкову оцінку рівня знань і -ого студента у шкалі логітів):

,

Обчисливши  (частка правильних відповідей всіх студентів групи на j-е завдання та  - частка неправильних відповідей), можна визначити початковий логіт складності завдання (тобто початкову оцінку рівня складності j -ого завдання у шкалі логітів):

,

Цей етап оцінювання латентних параметрів є початковим. Після його завершення кожен із параметрів буде виражений в інтервальній шкалі, але з різними значеннями середнього та різними стандартними відхиленнями.

На наступному етапі значення  та переводимо в одну інтервальну шкалу, попередньо обчисливши середнє значення початкових логітів рівня знань студентів:

та стандартне відхилення V розподілу початкових значень параметра :

отримаємо формулу для обчислення логіта складності j -ого завдання:

, , де

Аналогічно, обчисливши:

,  та

отримаємо формулу для обчислення логіта рівня знань і -ого студента:

 

Така оцінка параметра  дозволяє оцінити рівень складності всіх завдань незалежно від рівня підготовки студентів.

Отримані значення дозволяють співставити рівень знань студентів із рівнем складності завдань тесту. Якщо  - від’ємна величина і велика за модулем, то завдання складності  є надто важким для студента з рівнем знань  і воно не буде корисним для виміру рівня знань i - ого студента. Якщо ця різниця додатна і велика за модулем, то завдання надто легке, воно давно освоєно студентом. Якщо , то ймовірність того, що студент вірно виконає завдання, дорівнює 0,5.

Після оцінювання значень  і  у шкалі логітів приступають до обчислення ймовірності  правильного виконання j -ого завдання тесту різними студентами:

 , де

Ймовірність  правильного виконання j-ого завдання тесту є зростаючою функцією змінної . Очевидно, що чим вищий рівень знань студента, тим більша ймовірність правильного виконання ним j -ого завдання тесту.

Ввівши умовну ймовірність  правильного виконання j -ого завдання різними студентами, можна перейти до побудови характеристичної кривої j -ого завдання тесту (рис. 5.2).

Рис. 5.2 Характеристична крива j -ого завдання

Характеристична крива j -ого завдання тесту показує взаємозв’язок між значеннями незалежної змінної  і значеннями . Точці перегину характеристичної кривої відповідає значення  , а  в цій точці дорівнює 0,5.

Таким чином, студент із рівнем знань, що дорівнює складності j -ого завдання тесту, відповість на нього правильно з ймовірністю 0,5. Для студентів з рівнем знань набагато більшим, ніж , ймовірність правильної відповіді на це завдання прямує до одиниці. Якщо ж значення  розміщені достатньо далеко від значення  і зліва від точки перегину, то ймовірність правильного виконання j -ого завдання буде прямувати до нуля.

Характеристичні криві, що відповідають завданням різних рівнів складності, не перетинаються. Збільшення складності j -ого завдання тесту на константу C (C>0) зумовить зміщення характеристичної кривої вправо. Із попередньою ймовірністю на це завдання буде відповідати студент із рівнем знань . Оскільки , то значення функції  не змінюється.

Отже, якщо взяти важче завдання, то з колишньою ймовірністю на нього буде відповідати той студент, у якого рівень підготовки зміниться на ту ж константу, що і рівень складності завдання.

 

.4 Опис моделі і структури таблиць бази даних

База даних побудована з використанням бібліотеки класів - обгортка ADO.NET 2.0 (SQLite механізму бази даних). Формат файлу база даних стандарту SQLite - DB3, доступ до структури даних здійснюється за допомогою провайдера SQLite.NET з використанням бібліотеки (System.Data.SQLite.DLL). Перевагою даного механізму є здійснення транзакцій з БД без додаткових серверів (MS SQL Server), що забезпечує і полегшує переносимість додатку того, що працює в зв'язці з SQLite механізмом.

База даних містить 10 таблиць.- таблиця містить про дисципліни.

Структура таблиці (Disciplines) у вигляді SQL-запиту:

TABLE [Disciplines] (

[DisciplineId] INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT

[Discipline] CHAR(100)

[Note] TEXT(200))

Таблиця 5.1

«Дисципліни» - Disciplines

И’мя поля	Тип поля	Призначення
DisciplineId	INTEGER	Ключове поле коду дисципліни
Discipline	VARCHAR(100)	Назва дисципліни
Note	TEXT	Допоміжна інформація

- таблиця розділів дисципліни.

Структура таблиці (Sections) у вигляді SQL-запиту:

TABLE [Sections] (

[SectionId] INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT

[DisciplineId] INTEGER NOT NULL ON CONFLICT FAIL

[Section] CHAR(100) NOT NULL ON CONFLICT FAIL)

Таблиця 5.2 «Розділи» - Sections

И’мя поля	Тип поля	Призначення
SectionId	INTEGER	Ключове поле коду розділу
DisciplineId	INTEGER	Поле коду дисципліни
Note	TEXT	Допоміжна інформація

- таблиця тем згідно розділу дисципліни;

Структура таблиці (Topics) у вигляді SQL-запиту:

CREATE TABLE [Topics] (

[TopicId] INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT

[SectionId] INT64 NOT NULL ON CONFLICT FAIL

[Topic] CHAR(100) NOT NULL ON CONFLICT FAIL

[DisciplineId] INT64 NOT NULL ON CONFLICT IGNORE

[Frame] VARCHAR(255))

Таблиця 5.3 «Теми» - Topics

И’мя поля	Тип поля	Призначення
TopicId	INTEGER	Ключове поле коду розділу
SectionId	INT64	Поле коду дисципліни
Topic	VARCHAR(100)	Допоміжна інформація
DisciplineId	INT64	Код дисципліни
Frame	VARCHAR(256)	Файл ресурсу

- таблиця понять, обраних із змісту лекції.

Структура таблиці (Concepts) у вигляді SQL-запиту:

TABLE [Concepts] (

[id] INTEGER PRIMARY KEY AUTOINCREMENT NOT NULL

[sectionid] INTEGER NOT NULL

[concept] VARCHAR(255) NOT NULL

[topicId] INTEGER NULL)

Таблиця 5.4 «Поняття» - Concepts

И’мя поля	Тип поля	Призначення
ConceptId	INTEGER	Ключове поле коду поняття
SectionId	INT64	Поле коду дисципліни
Concept	VARCHAR(100)	Допоміжна інформація
ImpLevelId	INT64	Рівень важливості
TopicId	INT64	Код Теми

- таблиця тез відповідних поняттям.

Структура таблиці (Thesises) у вигляді SQL-запиту:

TABLE [Thesises] (

[id] INTEGER PRIMARY KEY AUTOINCREMENT NOT NULL

[conceptid] INTEGER NOT NULL

[topicid] INTEGER NULL

[thesis] TEXT NULL)

Таблиця 5.5 «Тези» - Thesises

И’мя поляТип поляПризначення
ConceptId	INTEGER	Ключове поле коду розділу
SectionId	INT64	Поле коду дисципліни
Concept	VARCHAR(100)	Поняття
ImpLevelId	INT64	Рівень важливості
TopicId	INT64	Код теми

- таблиця рівнів складності

Структура таблиці (ImpLevels) у вигляді SQL-запиту:

TABLE [ImpLevels] (

[ImpLevel] INTEGER NOT NULL PRIMARY KEY

[LevelName] VARCHAR(200) NOT NULL)

Таблиця 5.6

«Рівні скаладності» - ImpLevels

И’мя поляТип поляПризначення
ImpLevel	INTEGER	Ключове поле коду рівня складності
LevelName	VARCHAR(100)	Назва рівня складності завдання

- таблиця тестових завдань.

Структура таблиці (Test) у вигляді SQL-запиту:

TABLE [Test] (

[id] INTEGER PRIMARY KEY AUTOINCREMENT NOT NULL

[idconcept] INTEGER NOT NULL

[idthesis] INTEGER NOT NULL

[flthesises] TEXT NOT NULL

[implevelid] INTEGER NULL

[defbals] REAL NULL)

Таблиця 5.7

«Таблиця тестових завдань» - Test

И’мя поля	Тип поля	Призначення
ImpLevel	INTEGER	Ключове поле тесту
Idconcept	INTEGER	Індекс поняття
Idthesis	INTEGER	Індекс тезісу
Implevelid	INTEGER	Індекс рівня складності
Defbals	REAL	Кфлькіст балів

- результуюча таблиця тестування.

Структура таблиці (Adaptivresult) у вигляді SQL-запиту:

TABLE [adaptivresult] (

[id] INTEGER PRIMARY KEY AUTOINCREMENT NOT NULL

[uid] INTEGER NOT NULL

[balls] FLOAT NOT NULL

[estimation] FLOAT NOT NULL)

Таблиця 5.8

«Результати тестування» - Adaptivresult

И’мя поляТип поляПризначення
Id	INTEGER	Ключове поле результату
Uid	INT64	Код студенту
Balls	INT64	Кількість балів
Estimation	INT64	Оцінка

- логіти складності завдань.

Структура таблиці (Rushresult) у вигляді SQL-запиту:

TABLE [Rushresult] (

[id] INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT

[uid] INTEGER NOT NULL

[conceptid] INTEGER NOT NULL

[bal] FLOAT NOT NULL)

Таблиця 5.9

«Логіти складності завдань» - Rushresult

И’мя поля	Тип поля	Призначення
Id	INTEGER	Ключове поле
Uid	INT64	Код студенту
Concepti	INT64	Код тесту
Bal	FLOAT	Логіт рівня складності

- таблиця для авторизації студентів на сервері.

Структура таблиці (Students) у вигляді SQL-запиту:

TABLE [Students] (

[id] INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT

[fname] CHAR(255) NOT NULL

[lname] VARCHAR(255) NOT NULL

[login] VARCHAR(255) NOT NULL

[passwd] VARCHAR(255) NOT NULL)

Таблиця 5.10

«Студенти» - Students

И’мя поля	Тип поля	Призначення
Id	INTEGER	Ключове поле коду студента
Fname	VARCHAR(255)	Призвіще студента
Lname	VARCHAR(255)	Ім’я студента
Login	VARCHAR(255)	Логін
Passwd	MEMO	Пароль доступу студента

Схема взаємозв’язку таблиць бази даних представлена на рис 5.3.

Рис 5.3 Схема взаємозв’язку таблиць бази даних

5.5 Інтерфейс користувача проектованої системи

Для формування структури бази знань в системі використовується программа AdminsSettings.aspx. Програма має інтуітивно зрозумілий інтерфейс, що дозволяє за мінімальний час сформувати структуру бази знань. На рис. 5.4 зображена головна сторінка розробленої системи.

Рис 5.4 Зовнішній вигляд головної сторінки системи

Перше, що необхідно зробити студенту при вході в систему, це ввести свій логін і пароль або реєструватися. При реєстрації система запрошує ім'я і прізвище студента, а також логін і пароль для авторизації.

Також ми вибираємо вид тестування - адаптивне або лінійне.

Поперше розглянемо процес проходження тестування по лінійному алгоритму. При цьому відбувається накопичення статистичних даних, які використовуються для обчислення логіта складності тестових завдань на основі параметричної моделі Раша.

У даному варіанті тестування передбачене по 10 варіантів завдань для кожного розділу дисципліни (по 2 для кожного рівня складності). Після закінчення тестування виводиться результат - кількість балів і оцінка.

Розглянемо приклад проходження адаптивного тесту. При проходженні тесту система видає повідомлення, на якому кроці ми зараз знаходимося і якого рівня складності поставлене нами питання.

Рис. 5.5 Робоче вікно системи в режимі тестування

Після проходження тестування система видає результати, де крім загальної кількості набраних балів присутні також рекомендації, який з розділів дисципліни треба повторити.

Рис. 5.6 Вивід результатів тестування

Також система дозволяє проглянути результати тестування у вигляді графіка (рис. 5.7).

Рис. 5.7 Графічне відображення результатів тестування

 

Також в розробленій системі присутній модуль Статистика.

Тут ми можемо візуально бачити, як змінюється логіт складності тестового завдання на підстави параметричної моделі Раша.

Рис. 5.8 Логіти складності завдань

5.6 Опис основних процедур і функцій

Далі наведений опис основного призначеного для користувача сценарію (users.aspx.cs). Даний сценарій витягує дані з БД і формує тестові завдання за допомогою розроблених алгоритмів, також сценарій включає блок коду який виконує обчислення і аналіз результату при закінченні тестування.

/*

розділ для підключення посилань на класи

*/

using System;System.Collections;System.Configuration;System.Data;System.Linq;System.Web;System.Web.Security;System.Web.UI;System.Web.UI.HtmlControls;System.Web.UI.WebControls;System.Web.UI.WebControls.WebParts;System.Xml.Linq;System.Xml;System.Data.SQLite; /* Провайдер для управління SQLite механізмом доступу до даних */

using System.Web.Configuration;System.IO;System.Text;System.Web.SessionState;System.Diagnostics;service // Простір імен

{partial class Default2 : System.Web.UI.Page

{=WebConfigurationManager.["connectionString"].ConnectionString; /*Витягуємо рядок підключення до бази даних*/

public int NumberOfTest;/*Номер тестового завдання*/

/*

Опис всіх необхідних змінних для проведення обчислень

*/

LinkButton NextTest = new LinkButton();int IDConcept;public int CurrentLevel;public int steps;public double rbal = 0;public int birnbaumbals = 0;double до;const int level5 = 1; // Рівень складності завдання - дуже складнийconst int level1 = 0.2; //- дуже легкийconst int level2 = 0.4; //- легкийconst int level3 = 0.6; //- середнійconst int level4 = 0.8; //- складний

/*

* Алгоритм адаптивного тестування

*/

void AdaptivTest(int level)

{

/*Створюємо об'єкт, пов’язаний з підключенням до БД*/

SQLiteConnection sqlc = new SQLiteConnection(ConnectionString);

/*Створюємо проміжний об'єкт управління БД*/

SQLiteDataAdapter sqlda = new SQLiteDataAdapter();

/*Визначення тимчасової таблиці для зберігання табличних даних*/

DataTable tempdt = new DataTable();

/*Об'єкт запиту до БД*/

sqlda.SelectCommand = new SQLiteCommand("select * from Test", sqlc);

/*Блок коду виконується тільки тоді коли не виникає виняткового стану*/

{

//Відкриваємо з'єднання

sqlc.Open();

//Заповнюємо таблицю тестовими завданнями

sqlda.Fill(tempdt);

//Будуємо список перемикачів для тестового завдання

RadioButtonList List = CreateTaskLevel(level);(List == null) return; /*Якщо побудова не є успішною, тоді завершуємо обробку*/

List.ID = "testrbuttonlist";sqlcmd = new SQLiteCommand("select * from Concepts where id=@id", sqlc);

/*Додаємо параметр до SQL - запиту*/

sqlcmd.Parameters.AddWithValue("id", this.IDConcept);sqldr = sqlcmd.ExecuteReader();/*.Read(); /*Читаємо записи з таблиці*/         concept = new Label();.Text = String.Format("<font color=\"yellow\">Тест № {0} Укажите утверждение соответствующее понятию ({1})?</font>", (1), sqldr[2]);.ID = this.IDConcept.ToString()+"_t";hidde = new HiddenField();.Value = this.NumberOfTest.ToString();.Close();

/*Контейнер для тестового завдання*/

PlaceHolder2.Controls.Clear();.Controls.Add(hidde);.Controls.Add(concept);.Controls.Add(List);line = new Label();.Text = "<hr>";.Controls.Add(line);

}(Exception ex)

{.Write(ex.Message);

}

{.Close();

}

}

/*

* Алгоритм Раша

*/

void buildRash()

{sqlc = new SQLiteConnection(ConnectionString);sqlda = new SQLiteDataAdapter();tempdt = new DataTable();.SelectCommand = new SQLiteCommand("select * from Test", sqlc);

{.Open();.Fill(tempdt);(int i = 0; i < tempdt.Rows.Count; i++)

{concept = new Label();

/*Побудова списку тестів*/

RadioButtonList List = CreateTaskLevel(level1, Convert.ToInt32(tempdt.Rows[i]["id"]));

SQLiteCommand sqlcmd = new SQLiteCommand("select * from Concepts where id=@id", sqlc);.Parameters.AddWithValue("id", this.NumberOfTest);sqldr = sqlcmd.ExecuteReader();hfild = new HiddenField();.Read();.Text = String.Format("Ттест № {0} Укажите утверждение соответствующее понятию ({1})?", (1), sqldr[2]);.ID = sqldr[0].ToString();.Value = tempdt.Rows[i]["id"].ToString();.Close();

/*Контейнер для тестових завдань*/

BirnbaunPlHolder.Controls.Add(hfild);.Controls.Add(concept);.Controls.Add(List);line = new Label();.Text = "<hr>";.Controls.Add(line);

}

}(Exception ex)

{.Write(ex.Message);

}

{.Close();

}

}void List_SelectedIndexChanged(object sender, EventArgs e)

{.Enabled=true;

}void Page_Load(object sender, EventArgs e)

{

GotoAdminLinkBtutton.Click += new EventHandler(GotoAdminLinkBtutton_Click);

NextTest.Click += new EventHandler(NextTest_Click);(Session["UID"]!= null)

{(Page.IsPostBack)

{(Adaptivchbox.Checked == true)

{(CurrentLevel);

}Birnbaum();

}

}

}

/*Обробник події натиснення на посилання */

void GotoAdminLinkBtutton_Click(object sender, EventArgs e)

{.Redirect("AdminsSettings.aspx");/*Перенаправлення на сценарій*/

}

/*

* Вхід: Проведення тесту

* реєстрація користувача в системі

*/

protected void Button1_Click(object sender, EventArgs e)

{sqlcon = new SQLiteConnection(ConnectionString);sqlda = new SQLiteDataAdapter();dt = new DataTable();

{.Open();.SelectCommand = new SQLiteCommand("SELECT * FROM Students WHERE passwd = '" + tbpasswd.Text.Trim()+"'", sqlcon);.Fill(dt);(dt.Rows.Count != 0)

{(dt.Rows[0]["login"].ToString() == tblogin.Text.Trim())

{

/*Формування змінних в сесії*/

Session.Add("UID", dt.Rows[0]["id"].ToString());.Add("FNAME", dt.Rows[0]["fname"].ToString());.Add("LNAME", dt.Rows[0]["lname"].ToString());

lbStudent.Text += Session["FNAME"].ToString() + " " + Session["LNAME"].ToString();

if (Adaptivchbox.Checked == true)

{= level3;.ActiveViewIndex = 0;.Visible = false;.Enabled = false;.Enabled = false;

}

{.Visible = false;.ActiveViewIndex = 1; //Відображаймо тест

}

}(dt.Rows[0]["login"].ToString() == tblogin.Text.Trim() && tblogin.Text.Trim() == "admin")

{.Add("UID", dt.Rows[0]["id"].ToString());.Add("FNAME", dt.Rows[0]["fname"].ToString());.Add("LNAME", dt.Rows[0]["fname"].ToString());.Redirect("AdminsSettings.aspx");

}

}

}(Exception ex)

{.Diagnostics.Debug.Write(ex.Message);

}

{.Close();

}

}

/*Етап реєстрації*/

protected void lbReg_Click(object sender, EventArgs e)

{.Redirect("registration.aspx");

}

/*

* Функція генерації тестових завдань

*/

RadioButtonList CreateTaskLevel(params int[] param)

{sqlc = new SQLiteConnection(ConnectionString);sqlda = new SQLiteDataAdapter();tempdt = new DataTable();List = new RadioButtonList();sqlcmd = new SQLiteCommand();

{.Open();(param.Length == 1)

{= new SQLiteCommand(@"select * from Test where implevelid=@level", sqlc);.Parameters.AddWithValue("level", param[0]);.SelectCommand = sqlcmd;

}

{= new SQLiteCommand(@"select * from Test where id=@id ORDER BY RANDOM()", sqlc);.Parameters.AddWithValue("id", param[1]);.SelectCommand = sqlcmd;

}.Fill(tempdt);(tempdt.Rows.Count == 0) return null;.NumberOfTest = Convert.ToInt32(tempdt.Rows[0]["id"]);.IDConcept = Convert.ToInt32(tempdt.Rows[0]["idconcept"]);

/* sqlcmd = new SQLiteCommand("select * from Concepts where id=@id",sqlc);.Parameters.AddWithValue("id", tempdt.Rows[0]["idconcept"].ToString());sqldr = sqlcmd.ExecuteReader();.Read();.Text = String.Format(@"Укажите твердження відповідне поняттю ({0})?",sqldr[2]);.ID = sqldr[0].ToString();.Close();*/idTrueThesis = tempdt.Rows[0]["idthesis"].ToString();[] Thesises = tempdt.Rows[0]["flthesises"].ToString().Split(new char[]{'/'});[Thesises.Length - 1]= idTrueThesis;rnd = new Random();[] randomThesises = Thesises.OrderBy(i=>rnd.Next()).ToArray();(string s in randomThesises)

{= new SQLiteCommand(@"select * from Thesises where id=@id", sqlc);.Parameters.AddWithValue("id",s);sqldr = sqlcmd.ExecuteReader();.Read();.Items.Add(new ListItem(sqldr[3].ToString(), sqldr[0].ToString()));.Close();

}

}(Exception ex)

{

/*Налагоджувальна інформація*/

Debug.Write(ex.Message);

}

{.Close();

}List;

}VerificationOfAnswer()/*Перевірка відповіді на завдання*/

{objcon = new SQLiteConnection(ConnectionString);objda = new SQLiteDataAdapter();answer = new DataTable();

{.Open();(Control з in PlaceHolder2.Controls)

{test = new HiddenField();(з is HiddenField)= (з as HiddenField);sqlcmd = new SQLiteCommand("select * from Test where id=@id", objcon);.Parameters.AddWithValue("id",test.Value);.SelectCommand = sqlcmd;.Fill(answer);(з is RadioButtonList)

{rblst = (з as RadioButtonList);(rblst.SelectedValue == answer.Rows[0]["idthesis"].ToString())true;

}

}

}(Exception ex)

{.Write(ex.Message);

}

{.Close();

}false;

}void Adaptivchbox_CheckedChanged(object sender, EventArgs e)

{

/*Управління перемикачами*/

Birnbaumchbox.Checked = !Adaptivchbox.Checked;

}void Birnbaumchbox_CheckedChanged(object sender, EventArgs e)

{.Checked = !Birnbaumchbox.Checked;

}

/*Закінчення тестування */

void EndAdaptivTest(double b)

{sqlite_conn = new SQLiteConnection(ConnectionString);sqlite_cmd = new SQLiteCommand("Select * From adaptivresult Where uid=@id",sqlite_conn);sqlite_da = new SQLiteDataAdapter();dt = new DataTable();adaptivresult = new DataTable();message = new Label();estimation = 0;

{_conn.Open();_cmd.Parameters.AddWithValue("id", Session["UID"].ToString());_da.SelectCommand = sqlite_cmd;_da.Fill(dt);

/*Будуємо результуючутаблицу*/  .Text = "<h3>Результат тестування студента<h3><br />";.Text += "<table border=1><tr><td bgcolor=\"#A6E2FF\">Имя студента</td><td bgcolor=\"#A6E2FF\">Кол-во(балів)</td><td bgcolor=\"#A6E2FF\">Оценка</td><td bgcolor=\"#A6E2FF\">Рекомендовано к повторению</td></tr>";= b < 3 ? 2 : estimation;= b > 4 && b < 5 ? 4 : estimation;= b > 5 ? 5 : estimation;(int з = 0; з < dt.Rows.Count; c++)

{

message.Text += String.Format("<tr><td>{0}</td><td>{1}</td><td>{2}</td><td><font color=\"green\">Повторить .NET<br />.ASP(шаблони)<br />Vb Scripts</font></td></tr>", Session["FNAME"].ToString() + Session["LNAME"].ToString(), dt.Rows[c]["balls"].ToString(), dt.Rows[c]["estimation"].ToString());

}

message.Text += String.Format("<tr><td>{0}</td><td>{1}</td><td>{2}</td><td><font color=\"green\">Повторить .NET<br />.ASP(шаблони)<br />Vb Scripts</font></td></tr></table><br />", Session["FNAME"].ToString() + Session["LNAME"].ToString(), b, estimation);

if (dt.Rows.Count < 3)

{_cmd.CommandText = "INSERT INTO adaptivresult(uid,balls,estimation) VALUES(@uid,@balls,@estimation)";_cmd.Parameters.AddWithValue("uid", Session["UID"]);_cmd.Parameters.AddWithValue("balls",b);_cmd.Parameters.AddWithValue("estimation", estimation);_cmd.ExecuteNonQuery();

}= 0;= 0;_cmd.CommandText = "Select * From adaptivresult Where uid=@id";_cmd.Parameters.AddWithValue("id", Session["UID"]);_da.SelectCommand = sqlite_cmd;_da.Fill(adaptivresult);mbal = 0;(int i = 0; i < adaptivresult.Rows.Count; i++)

{+= Convert.ToDouble(adaptivresult.Rows[i]["balls"]);

}= mbal/2;.Text +="Средний бал = "+mbal.ToString();.Controls.Add(message);link = new Label();.Text = "<br /><a href=\"user.aspx\">Далее</a>";.Controls.Add(link);.Controls.Clear();.ActiveViewIndex = 3;

}(Exception ex)

{.Write(ex.Message);

}

{_conn.Close();

}

}NextTest_Click(object sender, EventArgs e)

{.ActiveViewIndex = 0;(level3);

}

/*

* Обробник адаптивного тестування

*/

protected void Button2_Click(object sender, EventArgs e)

{result = VerificationOfAnswer();(steps == 3)

{ (rbal); ;

}

/*Якщо відповідь на питання з середнім рівнем складності є вірним, переходимо на більш складний рівень*/

Debug.Write(result.ToString() + " " + CurrentLevel.ToString());(result == true)

{(CurrentLevel)

{level1:= level2;+= 1 + 0.2;;level2:= level3;+= 1 + 0.4;;level3:= level4;+= (1 + 0.6);;level4:= level5;+= 1 + 0.8;;level5:+= 1 + 1;(rbal); = 3;;:;

}

}{(CurrentLevel)

{ level1:= level1;= steps + 1;;level2:= level1;++;;level3:= level2;++;;level4:= level3;= steps + 1;;level5:= level4;= steps + 1;;:;

}

}sqlc = new SQLiteConnection(ConnectionString);

{.Open();sqlcmd = new SQLiteCommand("select * from ImpLevels where ImpLevel=@level", sqlc);.Parameters.AddWithValue("level", CurrentLevel);sqldr = sqlcmd.ExecuteReader();.Read();.Text = "<font color=\"green\"> Следующий уровень: (" + sqldr[1].ToString() + ")</font><font color=\"blue\"> Кол-во неверных шагов " + steps.ToString()+"</font> ";(CurrentLevel);

}(Exception ex)

{.Write(ex.Message);

}{ sqlc.Close(); }

}

/*

* Перевірка відповіді на тест (алгоритм Раша)

*/void verifyRashBtn_Click(object sender, EventArgs e)

{sqlc = new SQLiteConnection(ConnectionString);sqlda = new SQLiteDataAdapter();answer = new DataTable();.Open();.Text = "<font size=12px>На поаторение: <br />";(Control з in BirnbaunPlHolder.Controls)

{hf = new HiddenField();(з is HiddenField)= (з as HiddenField);sqlcmd = new SQLiteCommand("select * from Test where id=@id", sqlc);.Parameters.AddWithValue("id", hf.Value);.SelectCommand = sqlcmd;.Fill(answer);(з is RadioButtonList)

{rbl = (з as RadioButtonList);(rbl.SelectedValue == answer.Rows[0]["idthesis"].ToString())

{= birnbaumbals + 1;

}

{

}

}

}.Text += "<a href=upload\testhtml1_1.html>ASP .NET</a><br /><a href=Шаблоны>Шаблоны C#</a><br /><a href=Шаблоны>Начало работи з Visual Studio 2005</a><br /></font>";.Text = "<h2>Студент: " + Session["FNAME"].ToString() + " " + Session["LNAME"].ToString()+"<br />";.Text += "Бали: "+ birnbaumbals.ToString()+"</h2><br />";.Text += "Оцінка: " + birnbaumbals.ToString() + "</h2><br />";.ActiveViewIndex = 4;= 0;

}void Button2_Click1(object sender, EventArgs e)

{.Redirect("AdminsSettings.aspx");

}

}

}

Розмітка сторінки (user.aspx)

Файл містить розмітку сторінки для відображення інформації в Web - браузер, мова розмітки Asp.net + HTML.

<!-Об’являємо заголовок початку сторінки коду asp.net -->

<%@ Page Language="C#" AutoEventWireup="true" CodeBehind="user.aspx.cs" Inherits="service.Default2" %>

<!- Об’являємо заголовок тип вмісту HTML - документа -->

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "#"588008.files/image052.gif">

Де: Ф - світловий потік лампи, люмен;

Е - нормована освітленість, люкс;_з - коефіцієнт запасу (для люмінесцентних ламп k_з = 1,1);- площа освітлювального приміщення, м²;- коефіцієнт мінімальної освітленості (для люмінесцентних ламп= 1,1);- кількість електричних ламп;

η - коефіцієнт використання світлового потоку.

Значення коефіцієнта використання освітлювальної установки η визначають залежно від типу світильника, коефіцієнтів відбиття стелі, стін і підлоги, а також від індексу приміщення і, що характеризує співвідношення розмірів освітлюваного приміщення. Показник приміщення обчислюють по формулі:

Де: L і b - довжина та ширина приміщення, м;_n - висота підвісу світильника над робітничою поверхнею, м.

В приміщенні з розмірами L = 6 м, b = 4 м, h = 3 м робітнича поверхня знаходиться на рівні 0,8 м від полу, тому h_n = 2,2 м.

Отже, показник приміщення рівний:

По довіднику визначаємо величину коефіцієнту використання світлового потоку η = 0,45 для і = 1,1 та коефіцієнтів відбивання світла - 70%, 50%, 30%.

Для освітлення використовується люмінесцентна лампа типу ЛБ, потужністю 40 Вт, світловий потік лампи 3000 лм. При загальному типі освітлення значення Е = 300 лк.

Підставимо всі отримані дані в формулу і визначимо необхідну кількість світильників:

Отже, за результатами проведених розрахунків можна зробити висновок, що для оптимального освітлення у приміщенні площею 24 м², необхідно встановити 7 світильників з люмінесцентними лампами потужністю 40 Вт.

Електронно-променеві трубки, магнетрони, тиратрони та інші електровакуумні прилади, що працюють при напрузі вище 6 кВ, є джерелами „м’якого” рентгенівського випромінювання. При технічній експлуатації апаратури, в якій напруга вище 15 кВ, використовують засоби захисту для відвертання рентгенівського опромінення операторів і інженерно-технічних робітників, бо при такій напрузі рентгенівське випромінювання розсіюється в навколишньому просторі виробничого приміщення. Засобами захисту від „м’якого” рентгенівського випромінювання є застосування поляризаційних екранів, а також використання в роботі моніторів, що мають біокерамічне покриття і низький рівень радіації.         

В якості засобів захисту від чинності м’яких рентгенівських променів застосовуються екрани з сталевого листа (0,5-1 мм) або алюмінію (3 мм), спеціальної гуми. Для відвертання розсіювання рентгенівського випромінювання по виробничому приміщенню встановлюють захисні огорожі з різноманітних захисних матеріалів, наприклад, свинцю або бетону.

На сьогоднішній день основним засобом захисту від електромагнітних випромінювань, що застосовуються в обчислювальній техніці є екранування джерел випромінювання. Сьогодні всі монітори, що випускаються, а також блоки живлення мають корпус, виконаний зі спеціального матеріалу, що практично повністю затримує проходження електромагнітного випромінювання. Застосовуються також спеціальні екрани, що зменшують ступінь впливу електромагнітних і рентгенівських променів на оператора. Для зниження електромагнітного впливу на людину-оператора використовуються також раціональні режими роботи, при яких норма роботи на ПЕОМ не повинна перевищувати 50 % робочого часу.

Захист від небезпечних впливів електричного струму при експлуатації обчислювальних комплексів забезпечені:

застосування захисного заземлення або обнуління;

ізоляцією струмопровідних частин;

дотриманням умов безпеки при настанові і заміні агрегатів;

надійним контактним сполученням з урахуванням перепаду мікрокліматичних параметрів.

Для усунення причин утворення статичного заряду застосовуються провідні матеріали для покриття підлоги, панелей, робочих столів, стільців. Для зниження ступеня електризації і підвищення провідності діелектричних поверхонь підтримується відносна вологість повітря на рівні максимально допустимого значення.

 

7.3 Пожежна безпека

По класифікації приміщень з ПЕОМ по пожежній небезпеці відносяться до категорії В (БНіП 2.09.02-85), що характеризуються наявністю твердих горючих і важко горючих речовин і матеріалів, а також легкозаймистих матеріалів. Технологічні об’ємні підлоги виконуються з негорючих або тяжко горючих матеріалів з межею вогнестійкості не менше 0,5. Підпільні простори під об’ємними підлогами відділяють негорючими перегородками з межею вогнестійкості не менше 0,75 на ділянки площею не більш 250 м².

Причинами пожежі можуть бути:

паління;

використання нагрівальні прилади в приміщеннях з ПЕОМ;

усування несправності за наявності напруги в мережі;

визначання наявність напруги в ланцюзі, замиканням клем;

використання електроприладів у важко провітрених приміщень.

В електронно-обчислювальній техніці пожежну небезпеку створюють прилади, що нагріваються, електро- і радіотехнічні елементи. Вони нагрівають навколишнє повітря і близько розташовані деталі і провідники. Все це може призвести до займання означених елементів, руйнування ізоляції і короткого замикання.

Для гасіння пожеж передбачена наявність первинних засобів пожежегасіння, (згідно «Правил пожежної безпеки в Україні») так і пожежні крани із брезентовими рукавами, пожежні щити (1 щит на 5000м²). В кімнаті знаходиться вогнегасник (ВВ-5). При розміщенні вогнегасників виключений безпосередній вплив на них сонячних променів, опалювальних і нагрівальних пристроїв. За конструкцією, матеріалами, методами контролю, умовами змісту, обслуговуванням вогнегасник відповідає вимогам Правил пристрою і безпечної експлуатації судин, що працюють під тиском.

Для успішного гасіння пожежі велике значення має швидке виявлення пожежі та своєчасний виклик пожежних підрозділів до місця пожежі. Пожежний зв’язок і сигналізація можуть бути спеціального або загального призначення, радіозв’язком, електричною пожежною сигналізацією (ЕПС), сиренами. ЕПС є найбільш швидким та надійним засобом сповіщення про виникнення пожежі. В залежності від схеми з’єднання розрізнюють променеві (радіальні) та шлейфні (кільцеві) системи ЕПС. В кімнаті з ПЕОМ розміщений сповіщувач (датчик) тепловий легкоплавкий. При збільшенні температури легкоплавкий сплав розплавляється і пружинячі пластинки, розмикаючись, вмикають ланцюг сигналізації.

У приміщенні знаходиться розроблений і розміщений на видному місці план евакуації людей і матеріальних цінностей при пожежі, з яким ознайомлені працівники підприємства.

ВИСНОВКИ

Якщо розглядати дистанційну освіту як новий етап в розвитку системи освіти, який може принести абсолютно нові методи і принципи навчання, то саме зараз, коли дистанційна освіта знаходиться на шляху становлення, необхідно здійснювати пошук цих нових принципів.

Широкі можливості перевірки знань студентів дають можливості щодо їх моделювання. Завдяки глибокій інтеграції семантичних даних, що використовуються для контролю, із структурними елементами навчальних курсів існує можливість точно визначати «білі плями» в знаннях студента відносно конкретного навчального матеріалу та навчального поняття. Це є фундаментом для застосування технологій адаптації і управління курсом навчання.

В основну такої адаптації на основі тестування слід покласти наступні фактори ефективного навчання:

) Присутність активної сутності на зразок експерта, що наглядає за прогресом студента і подає матеріал в адаптованій формі. Сценарій курсу повинен самопристосовуватись, беручи до уваги досягнення студента у попередніх темах і поняттях та рівнь його зацікавленості. Такий навчальний вміст, що пристосовується до поведінки користувача і змінює шлях навчання відповідним чином, називається плануванням курсу навчання.

) Зменшення надлишковості навчальної системи. Наприклад, якщо студент, вивчаючи курс фізики, проходячи тему «Закони Ньютона», знає третій закон і те, як він може бути застосований, система має взяти цей фактор до уваги і дозволити йому пропустити частину, яку студент вже знає.

) Система повинна мати можливість різного подання знань студентам, беручи до уваги різні стилі навчання, попередні базові знання тієї різноманітної аудиторії учнів, що використовують систему.

) Системи навчання, в яких студенти мають змогу брати активну участь у вивченні курсу, мають тенденцію до більш успішного подання знань.

Принциповою відмінністю системи тестування на основі адаптивних тестів є те, що оцінка рівня знань студентів не залежить від складності тесту, тобто є об'єктивною. Це означає, що такі оцінки рівня знань студентів можуть бути ефективно використані для вирішення будь-яких задач оптимізації навчального процесу - оцінки ефективності педагогічних інновацій технологій, моніторингу.

Використання технології автоматичної оцінки рівня складності тестових завдань дозволить забезпечити об’єктивну оцінку рівня знань тих, хто навчається і організувати навчальний процес згідно до індивідуальної навчальної траєкторії кожного студента.

СПИСОК ЛІТЕРАТУРИ

1.   Атанов Г.А., Пустынникова И.Н. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. - Донецк: Изд-во ДОУ, 2002.

2.       Барахсанова П. И. Роль дистанционного обучения в создании образовательного пространства // Информатика и образование. - 2001. - N 9. - С. 38-39.

.        Башмаков И.А., Рабинович П.Д. Анализ моделей семантических сетей как математического аппарата представления знаний об учебном материале / Справочник. Инженерный журнал. - 2002. - №7 - С.55-60.

.        Башмаков И.А., Рабинович П.Д. Модель семантической сети для представления учебного материала в компьютерных обучающих средствах // Справочник. Инженерный журнал. - 2002. - №8. - с.61-64.

.        Буль Е.Е. Сравнительный анализ моделей обучаемого // Труды X Всероссийской научно-методической конференции "Телематика-2003" - 2003. - Т2 - с.364-366.

.        Выявление экспертных знаний (процедуры и реализации)/ О.И. Ларичев, А. И. Мечитов, Е. М. Мошкович, Е. М. Фуремс. - М.: Наука, 1989.

.        Гагарін О.О., Титенко С.В. Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання // Науковий вісник НТУУ "КПІ". - 2007. - № 6(56). - С. 37-48.

.        Гребенюк В.А., Катасонов А.А. Учебный процесс и контроль знаний в системе виртуального образования // Открытое образование. №1, 2007.

.        Елманова Н. Обучение информационным технологиям: некоторые полезные ресурсы Сети // КомпьютерПресс. - 2005. - N 8. - С. 176-179.

.        Казаринов А.С., Култышева А.Ю., Мирошниченко А.А. Технология адаптивной валидности тестовых заданий: Учебное пособие. Глазов: ГГПИ, 1999.

.        Кариев Ч.А. Разработка Windows-приложений на основе Visual C#. БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий - ИНТУИТ.ру, 2007

.        Коджа Т.І. Оцінка ефективності використання автоматизованої системи контролю знань // Тези доповідей 38-ої наукової конференції молодих дослідників “Сучасні інформаційні технології та телекомунікаційні мережі”, присвяченої 85-річчю ОНПУ. - Одеса: ОНПУ, 2003. - С. 55.

.        Коджа Т.І., Гогунський В.Д. Формування бази знань для комп’ютерного контролю рівня засвоєння навчального матеріалу // Сборник материалов научно-технической конференции “Энергосбережение в системах отопления, вентиляции и кондиционирования”. - Одесса: ОГАСА, 2003. - С. 11 - 13.

.        Кухаренко В. М., Рибалко О. В.,Сиротенко Н. Г. Дистанційне навчання: Умови застосування. Дистанційний курс: Навчальний посібник.3-є вид./За ред. В. М. Кухаренка - Харків: НТУ "ХПІ", "Торсінг", 2002. - 320 с.

.        Лозовский В.С. Сетевые модели // Искусственный интеллект. - В 3х кн. Кн.2. Модели и методы: Справочник / Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990. с. 28-49.

.        Могильный Г.А., Тихонов Ю.Л. Математическое моделирование в дистанционном обучении //Информационные технологии в научных исследованиях и учебном процессе. - Луганск: ЛНПУ. - 2007. - С. 139-144.

.        Моисеев В.Б., Пятирублевый Л.Г., Таранцева К.Р. «Информационный подход к выбору решений в системах адаптивного тестирования». Материалы конференции «Анализ качества образования и тестирование». 22.03.2005, Москва, МО РФ, МЭСИ

.        Перминов И.А. Объектно-ориентированный язык для оперирования семантическими сетями // Международный форум информатизации - 2000: Доклады международной конференции «Информационные средства и технологии». Т3., с.212-215

.        Петцольд Ч. Программирование для Microsoft Windows на C#. - М.: Русская Редакция, 2009.

.        Попов Д.И. Способ оценки знаний в дистанционном обучении на основе нечетких отношений // Дистанционное образование. - 2003. - №6.

.        Слейгл Дж. Искусственный интеллект. Подход на основе эвристического программирования. - М.: Мио. 1973.

.        Соболева Н., Жданович П. Интернет-технологии для дистанционного образования. // Мир Интернет. №7-8, июль-август, 2005.

.        Титенко С.В., Гагарін О.О. Практична реалізація технології автоматизації тестування на основі понятійно-тезисної моделі / Мат. 10-й Международной конференции Украинской ассоциации дистанционного образования „Образование и виртуальность - 2006”. - Харьков-Ялта: УАДО, 2006. - С. 401-412.

.        Титенко С.В., Гагарін О.О. Семантична модель знань для цілей організації контролю знань у навчальній системі. // Сборник трудов международной конференции «Интеллектуальный анализ информации-2006». - Київ: Просвіта, 2006. - С. 298-307.

.        Федорук П.І. Технологія розробки навчального модуля в адаптивній системі дистанційного навчання та контролю знань // Математичні машини і системи. - 2005р. - №3. - С.155-165.

.        Чакработи А., Кранти Ю., Сандху Р. Microsoft .NET Framework: разработка профессиональных проектов: Пер. с англ. - СПб.: БХВ-Петербург, 2006.

.        Шихнабиева Т.Ш. О представлении знаний по информатике в виде адаптивных семантических образовательных моделей, Вестник МГОУ, том № 6, М., 2005.

.        Brusilovsky, P. and Miller, P., Web-based testing for distance education. In: P. De Bra and J. Leggett (eds.) Proceedings of WebNet'99, World Conference of the WWW and Internet, Honolulu, HI, Oct. 24-30, 1999, AACE, pp. 149-154

.        http://www.setlab.net/research/ Віртуальна лабораторія новітніх інформаційних технологій СЕТ. Дослідження в області дистанційного навчання.