МЕТОДОЛОГИЯ ФОРМИРОВАНИЯ

ИММАНЕНТНОГО ЭЛЕКТРОННОГО КОНТЕНТА

Владимир Роткин, Ph.D,

научный руководитель сетевого образовательного проекта «ГеКон»

Мобильный тел.: + (972)- 50-212-2080;

e-mail: ricentr@mail.ru

АННОТАЦИЯ

Фундаментальные изменения и тенденции в современной системе образования

связаны с внедрением систем искусственного интеллекта и роботизацией учебного процесса

и, как следствие, – существенными изменениями в содержании образования.

Переход от баз знаний, содержащих, как правило, традиционный контент,

к генераторам знаний требует адекватной методологии имманентного учебного контента,

основанной на параметрической имитационной модели учебного проекта (курса).

Рандомные и каузальные выборки параметров модели

дают множество параметрических сечений

- частных моделей учебных задач и теорем,

представленных в специальных формах,

предназначенных для обучения и контроля.

Качественное структурирование контента по признакам

тематики, сложности, графическим и численным конфигурациям

способствует персонализации учебных материалов

в целях инициирования совместной деятельности обучаемых

и стимулирования конкуренции.

Методология имманентного контента

соответствует современным дидактическим особенностям и тенденциям

и способствует развитию систем образования.

КЛЮЧЕВЫЕ СЛОВА

Образование, контент, методология, онтология,

генератор знаний, искусственный интеллект, имитационная модель

-------------------------------------

Введение

Современное образование находится в стадии революционных изменений.

Это выражается как, с одной стороны, в глобальном кризисе традиционного образования,

так и в формировании новых информационно-коммуникационных учебных технологий [1,2].

Чтобы понять тенденции и перспективы происходящих фундаментальных изменений,

полезно проследить эволюцию главных компонентов учебного процесса, которыми являются:

содержание образования – контент,

и средства взаимодействия пользователя с носителем (источником) контента – интерфейс.

В традиционных обществах трансфер знаний носит вербальный характер.

Классический пример – устное групповое обучение в школах греческих философов.

При этом контент представляется в виде словесных (речевых) форм,

а его носителем является индивидуальная и коллективная память.

Путь от вербального интерфейса к письменному, так же, как и в наше время,

сопровождался революционными изменениями, с поправкой на темп

– они заняли на порядок больше времени.

Завершающим этапом явилось книгопечатание и формирование библиотечной системы.

Обычная форма представления письменного контента – в виде текстов и рисунков.

Переход от письменного (бумажного) к электронному интерфейсу

начался, ориентировочно, в 80-х годах 20-го века

и продолжается, нарастающими темпами, на наших глазах.

Он сопровождается впечатляющими изменениями в формах представления учебного контента.

Происходит переход от традиционных форм в виде рисунков и линейных текстов

к медийным и матричным представлениям.

Учебный контент концентрируется в гигантских базах знаний, в том числе облачных.

Хотя прогнозировать дальнейшие изменения

в такой сложной системе как образование – дело неблагодарное,

тем не менее, некоторые тенденции проявляются вполне отчетливо.

Так, в формах представления контента представляется

очевидным трансфер в направлении объектов виртуальной (дополненной) реальности.

Наиболее же фундаментальными представляются

перспективы применения систем искусственного интеллекта (AI).

Впервые в истории образования

источником знаний (контента)

может стать не сознание человека,

а искусственный разум.

Соответственно, базы знаний, как носители контента,

превращаются в генераторы знаний.

Следует отметить, что попытки создания генераторов контента

предпринимались непосредственно в преподавательском сообществе

с самого начала появления электронного интерфейса,

причем, цель таких действия вполне утилитарная

– исключить трудоемкие технические операции

при изготовлении многовариантных однотипных заданий.

Такие, довольно простые, генераторы задач можно встретить в Web-ресурсах

– от инициативных разработок отдельных преподавателей до корпорации Microsoft [3].

Однако, хотя эти программные продукты и принято называть генераторами,

они всего лишь имитируют процесс составления задач.

Фактически, каждая исходная задача

составляется разработчиком традиционным образом,

с учетом ее мультивариантности,

а затем так называемый «генератор»

используется для ее тиражирования в множестве вариантов.

Чтобы оценить возможности и перспективы

реального генерирования знаний,

надо сначала разобраться

с современными требованиями к учебному контенту.

Признаки имманентного учебного контента

В первую очередь, современный учебный процесс

предполагает «погружение» пользователя в учебную среду,

для чего требуются учебные материалы в существенно большем количестве.

Далее, нужны персональные или даже уникальные материалы для каждого пользователя,

что предполагает их значительное разнообразие.

При этом контент должен быть хорошо структурирован по различным признакам,

таким как: применяемая методика, учебная тематика,

степень общности учебного материала (общий-частный), уровень сложности и т.д.

Это позволяет реализовать адаптивные учебные методы и стратегии.

И, наконец, контент должен обеспечивать единство подходов к учебному процессу,

то есть быть имманентным образовательной среде.

Например, он должен встраиваться в цифровую среду и применяемый интерфейс,

соответствовать единым технологическим и методологическим требованиям и т.д.

Наиболее совершенные действующие системы формирования контента

основаны на онтологическом моделировании учебных проектов (рис.1).

Рис.1. Особенности методологии имманентного контента

Сначала формируют базы данных из имеющегося в наличии, то есть традиционного, контента.

Затем строят формализованную онтологическую модель проекта (курса),

включая поисковую систему, отбирающую контент из базы данных

и формирующую проект с заданными параметрами.

Следует отметить, что

традиционный контент существенно неоднороден,

поэтому даже значительные объемы баз знаний

не гарантируют приемлемого качества проекта.

Кроме того, пополнение баз данных предполагает

постоянный трудоемкий процесс традиционной разработки

и изготовления учебных материалов.

Применение параметрических генераторов учебного контента

позволяет снять эти проблемы,

поскольку исключает необходимость формирования огромных баз данных,

обеспечивает однородность контента

и существенно снижает трудоемкость его разработки.

Общая имитационная модель контента

В генераторе контента тоже используется онтологическая модель учебного проекта (курса),

однако, она применяется не для отбора учебного материала,

а для формирования общей имитационной модели учебного проекта,

содержащей основные опции - онтологическую, предметную и интерфейс.

Предметная модель представляет собой мультипараметрическую математическую модель,

описывающую поведение объектов изучаемой отрасли знаний

под влиянием действующих факторов [4].

Например, раздел «Кинематика точки» в различных курсах дисциплин «механического цикла»

предполагает изучение пространственного движения геометрической точки,

заданного в функции времени t тремя параметрическими кинематическими уравнениями:

x=x(Ax,Bx,Cx,…,t);

y=y(Ay,By,Cy,…,t);

z=z(Az,Bz,Cz,….,t).

Модель определяет кинематические функции и их производные разных порядков,

формирует линейные и нелинейные комбинации функций и их производных,

определяя разнообразные локальные и интегральные кинематические характеристики рассматриваемого объекта.

Модель интерфейса на основе результатов предметных операций

формирует параметры контента для их графического представления пользователю (рис.2).

Рис.2. Представление имманентного теоретического материала «Кинематика точки», механика. Дубль-форма.

Опыт применения генераторов контента определил адекватную форму

в виде дублированного графического контента:

с одной стороны располагается собственно изучаемый (основной) учебный материал (справа на рис.2),

с другой – тот же материал, редуцированный для целей контроля результатов учебного процесса.

Такие дубль-формы используются как элементы учебных пособий.

Будучи же разделенным на две автономные части,

одна из которых остается у преподавателя,

этот материал используется для экзаменов, собеседований, других видов учебного контроля.

Частные модели, параметрические сечения

Главным фундаментальным признаком генератора контента является

параметрический характер применяемых в нем моделей.

Это позволяет, фиксируя значения отдельных параметров или их сочетаний,

выделять из общей имитационной модели параметрические сечения

- частные модели разных уровней:

разделов курса (проекта), учебных тем, отдельных задач и теорем разного уровня общности и сложности

и, наконец, разнообразных численных и графических конфигураций этих задач (рис.3).

Большое число сочетаний значений модельных параметров

влечет чрезвычайное разнообразие генерируемых учебных материалов [4,5].

Онтологические опции имитационной модели

предназначены именно для параметрического регулирования,

с целью извлечения контента с заданными свойствами.

При этом возможно формирование принципиально новых учебных материалов,

отсутствующих в традиционных базах знаний,

как, например, приведенный на рис.2

тематический материал «Движение естественного трехгранника».

После онтологического структурирования и выделения частных моделей,

для получения конфигурационных вариантов задач,

целесообразно варьирование свободных параметров с помощью генераторов случайных чисел,

что позволяет получать для каждого пользователя уникальный вариант задачи (теоремы).

Структурирование имманентного контента

Пример задачи по школьной математике на тему «Расчет треугольника»,

на основе простейшей частной модели контента,

представлен на рис. 4 и 5.