Помощь студентам в учебе
РАЗРАБОТКА МОДЕЛИ СТУДЕНТА ДЛЯ ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ СИСТЕМ
|
ВВЕДЕНИЕ 4
1. ИНДИВИДУАЛИЗАЦИЯ В ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ
СИСТЕМАХ 6
1.1. ИНТЕЛЛЕКТУАЛЬНЫЕ ОБУЧАЮЩИЕ СИСТЕМЫ 6
1.2. РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ 8
2. МОДЕЛЬ СТУДЕНТА 11
2.1. ОПИСАНИЕ МОДЕЛИ СТУДЕНТА 11
2.2. КЛАССИФИКАЦИЯ МОДЕЛЕЙ СТУДЕНТА 12
2.2.1. КЛАССИФИКАЦИЯ ПО ПОЛУЧЕНИЮ ДАННЫХ 12
2.2.2. Классификация по доступности данных 13
2.2.3. Классификация по инициализации студента 14
2.2.4. Классификация по зависимости информации 15
2.3. ПОДХОДЫ К ПОСТРОЕНИЮ МОДЕЛИ СТУДЕНТА 17
2.3.1. Скалярная модель 17
2.3.2. Векторная модель 17
2.3.3. Стереотипическая модель 18
2.3.4. Оверлейная модель 19
2.3.6. Разностная модель 21
2.3.7. Пертурбационная модель 21
2.3.8. Модель ошибок 22
2.3.9. Модель достижения плана 22
2.3.10. Модель ограничений 23
2.3.11. Сеть Байеса 24
2.3.12. Модель на основе нейронной сети 24
2.4. ТРЕБОВАНИЯ 26
2.4.1. Требования к обучающей системе 26
2.4.2. Общие требования к модели студента 27
2.5. СРАВНЕНИЕ МОДЕЛЕЙ СТУДЕНТА 28
2.6. ОПИСАНИЕ ГИБРИДНОЙ МОДЕЛИ 30
2.6.1. Сеть Байеса 31
2.6.2. Структура курса 32
2.6.3. Уровень освоения темы, компетенции 34
2.6.4. Применение модели ошибок 36
2.6.5. Преимущества гибридной модели 37
3. РЕАЛИЗАЦИЯ МОДЕЛИ 40
3.1. СТРУКТУРА СИСТЕМЫ 40
3.2. ОПИСАНИЕ РАБОТЫ 42
3.3. КЛАССЫ В СИСТЕМЕ 43
3.4. РЕКОМЕНДАЦИЯ ЗАДАНИЙ 47
ЗАКЛЮЧЕНИЕ 49
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 50
ПРИЛОЖЕНИЕ 53
1. ИНДИВИДУАЛИЗАЦИЯ В ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ
СИСТЕМАХ 6
1.1. ИНТЕЛЛЕКТУАЛЬНЫЕ ОБУЧАЮЩИЕ СИСТЕМЫ 6
1.2. РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ 8
2. МОДЕЛЬ СТУДЕНТА 11
2.1. ОПИСАНИЕ МОДЕЛИ СТУДЕНТА 11
2.2. КЛАССИФИКАЦИЯ МОДЕЛЕЙ СТУДЕНТА 12
2.2.1. КЛАССИФИКАЦИЯ ПО ПОЛУЧЕНИЮ ДАННЫХ 12
2.2.2. Классификация по доступности данных 13
2.2.3. Классификация по инициализации студента 14
2.2.4. Классификация по зависимости информации 15
2.3. ПОДХОДЫ К ПОСТРОЕНИЮ МОДЕЛИ СТУДЕНТА 17
2.3.1. Скалярная модель 17
2.3.2. Векторная модель 17
2.3.3. Стереотипическая модель 18
2.3.4. Оверлейная модель 19
2.3.6. Разностная модель 21
2.3.7. Пертурбационная модель 21
2.3.8. Модель ошибок 22
2.3.9. Модель достижения плана 22
2.3.10. Модель ограничений 23
2.3.11. Сеть Байеса 24
2.3.12. Модель на основе нейронной сети 24
2.4. ТРЕБОВАНИЯ 26
2.4.1. Требования к обучающей системе 26
2.4.2. Общие требования к модели студента 27
2.5. СРАВНЕНИЕ МОДЕЛЕЙ СТУДЕНТА 28
2.6. ОПИСАНИЕ ГИБРИДНОЙ МОДЕЛИ 30
2.6.1. Сеть Байеса 31
2.6.2. Структура курса 32
2.6.3. Уровень освоения темы, компетенции 34
2.6.4. Применение модели ошибок 36
2.6.5. Преимущества гибридной модели 37
3. РЕАЛИЗАЦИЯ МОДЕЛИ 40
3.1. СТРУКТУРА СИСТЕМЫ 40
3.2. ОПИСАНИЕ РАБОТЫ 42
3.3. КЛАССЫ В СИСТЕМЕ 43
3.4. РЕКОМЕНДАЦИЯ ЗАДАНИЙ 47
ЗАКЛЮЧЕНИЕ 49
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 50
ПРИЛОЖЕНИЕ 53
Использование информационных технологий и различных автоматизированных систем в обучении становится трендом в последнее время. В большинстве учебных заведений обучающие системы являются неотъемлемой частью процесса обучения. Современные системы позволяют поднять качество предоставления учебного материала, снизить нагрузку на преподавателей и увеличить уровень индивидуализации обучения студентов. Помимо этого, автоматизированный анализ результатов, уровня знаний и других характеристик студента может помочь находить у него проблемы, которые гораздо проще устранить на ранних стадиях путем изучения сложных для студента тем или решения заданий на выработку определенных компетенций. Таким образом, использование подобных систем позволяет и студентам, и преподавателям полностью контролировать процесс обучения, что несомненно влияет на повышение качества самого обучения.
Одним из важных элементов автоматизированной системы для обучения является интеллектуальная подсистема хранения и обработки знаний студента. От того, как система представляет студента и каким образом хранит его знания, зависит не только удобство взаимодействия с системой, но и ее функциональные возможности, такие как возможность построения индивидуальной траектории обучения студента или выдача подсказок и рекомендованных заданий. Для того, чтобы реализовать эту функциональность, в интеллектуальных обучающих системах присутствует такой компонент, как модель студента - некое отображение студента в системе с информацией о нем, его характеристиках и процессе обучения.
Построение рекомендаций для студента на основе модели студента является элементом индивидуализации обучения. Для этого модель студента должна иметь удобную структуру хранения, обработки и представления информации о студенте, однако на данный момент существует проблема, заключающаяся в сложности этих процессов.
Целью данной работы является разработка модели студента с удобной структурой хранения знаний и возможностью построения рекомендаций.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Изучить существующие модели студента и подходы к их построению.
2. Определить требования к модели студента.
3. Сравнить подходы к построению модели студента относительно требований.
4. Выбрать подходящие подходы или разработать свою модель студента с возможностью рекомендации заданий, исходя из индивидуальных характеристик студента.
Одним из важных элементов автоматизированной системы для обучения является интеллектуальная подсистема хранения и обработки знаний студента. От того, как система представляет студента и каким образом хранит его знания, зависит не только удобство взаимодействия с системой, но и ее функциональные возможности, такие как возможность построения индивидуальной траектории обучения студента или выдача подсказок и рекомендованных заданий. Для того, чтобы реализовать эту функциональность, в интеллектуальных обучающих системах присутствует такой компонент, как модель студента - некое отображение студента в системе с информацией о нем, его характеристиках и процессе обучения.
Построение рекомендаций для студента на основе модели студента является элементом индивидуализации обучения. Для этого модель студента должна иметь удобную структуру хранения, обработки и представления информации о студенте, однако на данный момент существует проблема, заключающаяся в сложности этих процессов.
Целью данной работы является разработка модели студента с удобной структурой хранения знаний и возможностью построения рекомендаций.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Изучить существующие модели студента и подходы к их построению.
2. Определить требования к модели студента.
3. Сравнить подходы к построению модели студента относительно требований.
4. Выбрать подходящие подходы или разработать свою модель студента с возможностью рекомендации заданий, исходя из индивидуальных характеристик студента.
В рамках данной дипломной работы были рассмотрены существующие подходы к построению модели студента, выделены их преимущества и недостатки, сформулированы требования, необходимые для разработки модели студента. В процессе сравнения моделей было выявлено, что ни одна из них в полной мере не соответствует требованиям, поэтому была разработана собственная модель студента на основе трёх подходов: оверлейный подход, сеть Байеса и подход учета ошибок. Получившаяся модель студента имеет удобную структуру хранения знаний и обеспечивает поддержку индивидуализированного подхода в обучении благодаря использованию системы рекомендации заданий на основе индивидуальных характеристик студента, таких как уровень знаний по конкретной теме, освоенные компетенции. При этом учитывается сложность выполнения заданий. Данная модель с поддержкой рекомендательной системы была реализована в виде программного модуля на языке Java. Разработанная модель может помочь студенту с помощью рекомендации заданий восполнить пробелы в знаниях и повысить уровень знаний. Например, имея информацию о том, где студент чаще всего ошибается, система может порекомендовать ему решить больше заданий на проработку необходимых компетенций.
В процессе написания дипломной работы было опубликовано несколько научных статей о разработанной модели студента и поддержке индивидуализированного обучения в интеллектуальных обучающих системах [17], [23]. Статьи индексируются в базе РИНЦ.
В процессе написания дипломной работы было опубликовано несколько научных статей о разработанной модели студента и поддержке индивидуализированного обучения в интеллектуальных обучающих системах [17], [23]. Статьи индексируются в базе РИНЦ.
Подобные работы
- ЧИСЛЕННАЯ МОДЕЛЬ ОЦЕНКИ РЕШЕНИЯ ЗАДАЧ ПО
ПРОГРАММИРОВАНИЮ В ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ
СИСТЕМАХ
Дипломные работы, ВКР, программирование. Язык работы: Русский. Цена: 4750 р. Год сдачи: 2017 - Модели и алгоритмы автоматизированной системы отбора студентов для кадрового резерва вуза
Магистерская диссертация, информатика. Язык работы: Русский. Цена: 5500 р. Год сдачи: 2023 - Разработка подсистемы адаптивного управления процессом выдачи учебных заданий
Дипломные работы, ВКР, информационные системы. Язык работы: Русский. Цена: 5970 р. Год сдачи: 2016 - РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И
АВТОМАТИЗИРОВАННЫХ СРЕДСТВ ПОДДЕРЖКИ
ИНДИВИДУАЛЬНО-ОРИЕНТИРОВАННОГО ОБУЧЕНИЯ
Магистерская диссертация, информационные системы. Язык работы: Русский. Цена: 5740 р. Год сдачи: 2017 - Моделирование информационной системы управления предприятием на основе интеллектуального анализа данных
Магистерская диссертация, информационные системы. Язык работы: Русский. Цена: 5350 р. Год сдачи: 2021 - РАЗРАБОТКА МОДЕЛИ УПРАВЛЕНИЯ КАЧЕСТВОМ ДОШКОЛЬНОГО ОБРАЗОВАНИЯ
Магистерская диссертация, педагогика. Язык работы: Русский. Цена: 4970 р. Год сдачи: 2018 - Разработка web-платформы для учебного курса по допечатной подготовке
Бакалаврская работа, информационные системы. Язык работы: Русский. Цена: 5900 р. Год сдачи: 2018 - Разработка модели управления инновационным развитием дорожно¬строительной отрасли
Магистерская диссертация, менеджмент. Язык работы: Русский. Цена: 5700 р. Год сдачи: 2017 - Технология применения электронных личностных страниц по оцениванию научно-исследовательской деятельности обучающихся Инжинирингового центра КФУ
Дипломные работы, ВКР, менеджмент. Язык работы: Русский. Цена: 4355 р. Год сдачи: 2017