Помощь студентам в учебе
МОДУЛЬ ОБРАЗОВАТЕЛЬНОЙ АНАЛИТИКИ НА ОСНОВЕ МОДЕЛИ СТУДЕНТА В ОБУЧАЮЩЕЙ СИСТЕМЕ
|
ВВЕДЕНИЕ 3
ГЛАВА 1. ОБРАЗОВАТЕЛЬНАЯ АНАЛИТИКА В ОБУЧАЮЩИХ
СИСТЕМАХ 5
1.1. Структура образовательной аналитики 6
1.2. Основные функции 8
1.3. Цели образовательной аналитики 9
1.4. Представление информации о студенте 10
ГЛАВА 2. МОДЕЛЬ СТУДЕНТА 12
2.1. Адаптивная обучающая система 12
2.2. Описание модели студента 13
2.3. Классификации модели студента 14
2.3.1. Получение данных о студенте 15
2.3.2. Доступность данных 16
2.3.3. Инициализация обучаемого 17
2.3.4. Информация в модели 18
2.4. Подходы к построению модели студента 20
2.4.1. Скалярная модель 20
2.4.2. Векторная модель 21
2.4.3. Стереотипическая модель 22
2.4.4. Оверлейная модель (Overlay model) 23
2.4.5. Генетический граф 25
2.4.6. Разностная модель 25
2.4.7. Пертурбационная модель 26
2.4.8. Модель ошибок 27
2.4.9. Модель учета планов (Plan recognition) 27
2.4.10. Модель ограничений 28
2.4.11. Байесовская сеть 29
2.4.12. Модели с применением нейронных сетей 30
2.5. Требования к модели студента 31
2.5.1. Требования к обучающей системе 31
2.5.2. Общие требования к модели студента 32
2.5.3. Требования к модели с точки зрения образовательной аналитики 35
2.6. Сравнение подходов к реализации модели студента 36
2.7. Проектирование модели студента 40
2.7.1. Байесовская сеть 40
2.7.2. Свойства отношений между узлами сети 41
2.7.3. Условные вероятности для узлов графа 42
2.7.4. Структура модели 43
2.7.5. Полнота освоения знаний в модели 45
2.7.6. Отношения между вершинами в сети 46
2.7.7. Оценивание владения материалом 47
2.7.8. Использование модели ошибок 48
2.7.9. Преимущества модели и соответствие требованиям 50
ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ 54
3.1. Описание работы системы 54
3.2. Структура обучающей системы 56
3.3. Выбор технологий для реализации 57
3.3.1. Серверная часть 58
3.3.2. Клиентская часть 5 9
3.3.3. База данных для хранения учебного курса 59
3.3.4. База данных для хранения данных о студентах 61
3.4. Классы в системе 62
3.5. Представление данных 64
ЗАКЛЮЧЕНИЕ 70
СПИСОК ТЕРМИНОВ 72
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 74
ПРИЛОЖЕНИЕ
ГЛАВА 1. ОБРАЗОВАТЕЛЬНАЯ АНАЛИТИКА В ОБУЧАЮЩИХ
СИСТЕМАХ 5
1.1. Структура образовательной аналитики 6
1.2. Основные функции 8
1.3. Цели образовательной аналитики 9
1.4. Представление информации о студенте 10
ГЛАВА 2. МОДЕЛЬ СТУДЕНТА 12
2.1. Адаптивная обучающая система 12
2.2. Описание модели студента 13
2.3. Классификации модели студента 14
2.3.1. Получение данных о студенте 15
2.3.2. Доступность данных 16
2.3.3. Инициализация обучаемого 17
2.3.4. Информация в модели 18
2.4. Подходы к построению модели студента 20
2.4.1. Скалярная модель 20
2.4.2. Векторная модель 21
2.4.3. Стереотипическая модель 22
2.4.4. Оверлейная модель (Overlay model) 23
2.4.5. Генетический граф 25
2.4.6. Разностная модель 25
2.4.7. Пертурбационная модель 26
2.4.8. Модель ошибок 27
2.4.9. Модель учета планов (Plan recognition) 27
2.4.10. Модель ограничений 28
2.4.11. Байесовская сеть 29
2.4.12. Модели с применением нейронных сетей 30
2.5. Требования к модели студента 31
2.5.1. Требования к обучающей системе 31
2.5.2. Общие требования к модели студента 32
2.5.3. Требования к модели с точки зрения образовательной аналитики 35
2.6. Сравнение подходов к реализации модели студента 36
2.7. Проектирование модели студента 40
2.7.1. Байесовская сеть 40
2.7.2. Свойства отношений между узлами сети 41
2.7.3. Условные вероятности для узлов графа 42
2.7.4. Структура модели 43
2.7.5. Полнота освоения знаний в модели 45
2.7.6. Отношения между вершинами в сети 46
2.7.7. Оценивание владения материалом 47
2.7.8. Использование модели ошибок 48
2.7.9. Преимущества модели и соответствие требованиям 50
ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ 54
3.1. Описание работы системы 54
3.2. Структура обучающей системы 56
3.3. Выбор технологий для реализации 57
3.3.1. Серверная часть 58
3.3.2. Клиентская часть 5 9
3.3.3. База данных для хранения учебного курса 59
3.3.4. База данных для хранения данных о студентах 61
3.4. Классы в системе 62
3.5. Представление данных 64
ЗАКЛЮЧЕНИЕ 70
СПИСОК ТЕРМИНОВ 72
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 74
ПРИЛОЖЕНИЕ
В настоящее время информационные технологии активно внедряются в сферу образования, и автоматизация рассматривается все более необходимой составляющей учебного процесса. Используя новейшие технологии в области ИТ и внедряя их в процесс обучения студентов, становится возможным не только упростить саму методику подачи материала и информации, но и также привнести различные возможности для оптимизации учебного процесса. Доступные подача и представление информации, подробный анализ результатов студента, его текущего набора знаний, индивидуальный подход к каждому ученику позволяют добиться данного результата [1].
Поэтому на данный момент является актуальным создание обучающих систем, позволяющих уменьшить нагрузку на преподавателя путем автоматизации некоторых процессов, связанных с обучением, в системе, а также помочь обучаемому эффективнее усваивать учебный материал, анализируя его успеваемость и изменяя его индивидуальную траекторию обучения. В таких системах хранится и обрабатывается большое количество данных, такие как, информация о результатах студента, сведения о его взаимодействии с курсом, оценки, цели и индивидуальные характеристики.
Рассматривая данную систему с точки зрения преподавателя, становится ясно, что всю эту информацию очень сложно проанализировать и воспринять без использования инструментов, позволяющих представить данные о студенте в целостном и доступном виде. Для этого в обучающей системе существует такой элемент, как модель студента, который и представляет собой совокупность всех данных об обучаемом, что дает возможность студенту и преподавателю контролировать весь процесс обучения.
Для анализа результатов обучаемого, легкого определения его уровня знаний преподавателем, проектирования его дальнейшей траектории обучения, а также помощи при возникновении проблем с успеваемостью необходимо использование подходов на основе модели студента с применением образовательной аналитики. Однако, практика использования образовательной аналитики в обучающих системах является относительно молодой, поэтому на сегодняшний момент существует проблема сложности хранения и обработки информации о студенте и вследствие этого, отсутствие общей картины его текущей успеваемости и сформированных компетенций.
Целью работы является реализация программной системы, функционирующей на основе модели студента, для предоставления образовательной аналитики.
Для достижения данной цели необходимо решить следующие задачи:
1. Сформулировать требования к обучающей системе и модели студента
2. Выбрать подходы для реализации модели студента с учетом сформулированных требований
3. Разработать сервис, формирующий модель студента и предоставляющий аналитическую информацию на ее основе
4. Разработать компонент системы в виде веб-приложения для представления информации о результатах студента, сформированных компетенций и структуре курса
Поэтому на данный момент является актуальным создание обучающих систем, позволяющих уменьшить нагрузку на преподавателя путем автоматизации некоторых процессов, связанных с обучением, в системе, а также помочь обучаемому эффективнее усваивать учебный материал, анализируя его успеваемость и изменяя его индивидуальную траекторию обучения. В таких системах хранится и обрабатывается большое количество данных, такие как, информация о результатах студента, сведения о его взаимодействии с курсом, оценки, цели и индивидуальные характеристики.
Рассматривая данную систему с точки зрения преподавателя, становится ясно, что всю эту информацию очень сложно проанализировать и воспринять без использования инструментов, позволяющих представить данные о студенте в целостном и доступном виде. Для этого в обучающей системе существует такой элемент, как модель студента, который и представляет собой совокупность всех данных об обучаемом, что дает возможность студенту и преподавателю контролировать весь процесс обучения.
Для анализа результатов обучаемого, легкого определения его уровня знаний преподавателем, проектирования его дальнейшей траектории обучения, а также помощи при возникновении проблем с успеваемостью необходимо использование подходов на основе модели студента с применением образовательной аналитики. Однако, практика использования образовательной аналитики в обучающих системах является относительно молодой, поэтому на сегодняшний момент существует проблема сложности хранения и обработки информации о студенте и вследствие этого, отсутствие общей картины его текущей успеваемости и сформированных компетенций.
Целью работы является реализация программной системы, функционирующей на основе модели студента, для предоставления образовательной аналитики.
Для достижения данной цели необходимо решить следующие задачи:
1. Сформулировать требования к обучающей системе и модели студента
2. Выбрать подходы для реализации модели студента с учетом сформулированных требований
3. Разработать сервис, формирующий модель студента и предоставляющий аналитическую информацию на ее основе
4. Разработать компонент системы в виде веб-приложения для представления информации о результатах студента, сформированных компетенций и структуре курса
В рамках дипломной работы были рассмотрены основные этапы образовательной аналитики, а также компоненты для их дальнейшей реализации в системе. Учитывая данные аспекты, были выделены необходимые требования как ко всей обучающей системе, так и отдельно к модели студента, что позволило подойти к выбору подхода ее реализации более грамотно. После этого были произведены анализ основных подходов к реализации модели студента и их сравнение между собой, основываясь на выставленных ранее требованиях, в результате чего было принято решение использовать комплекс из нескольких подходов: подход учета ошибок, оверлейный подход и подход, использующий байесовскую сеть. Такой выбор позволяет организовать многосвязную структуру хранения данных, взаимодействуя с моделью предметной области, в системе, а также учитывать ошибки студентов, что соответствует требованиям.
Основываясь на выбранной модели студента, в качестве программного сервиса было реализовано приложение на языке программирования Java с использованием фреймворка Spring Framework, который, получая информацию из графовой базы данных Neo4j о структуре курса и с реляционной базы данных Postgresql о результатах студента, вычисляет уровень его компетенций, знаний и количество ошибок.
Для доступного представления результатов студента и структуры курса был реализовано веб-приложение на основе фреймворка Angular, которое получает все данные о студенте с Java приложения через API интерфейс и визуализирует эту информацию в виде различных графов, деревьев, карт, схем, графиков и диаграмм.
Реализованная система предоставляет широкие возможности для аналитики результатов студентов как внутри системы для прогнозирования дальнейших успехов или неуспехов и разработки необходимых шагов для увеличения эффективности обучения, так и для преподавателей и студентов, которые сами могут корректировать траекторию обучения, основываясь на предоставленных им данных в системе. Таким образом, систему можно легко совершенствовать путем добавления новых функций, например, основываясь на данных об изученных темах с ошибками, можно предоставлять наиболее оптимальный путь обучения для предотвращения наличия ошибочных знаний у студента в будущем.
Основываясь на выбранной модели студента, в качестве программного сервиса было реализовано приложение на языке программирования Java с использованием фреймворка Spring Framework, который, получая информацию из графовой базы данных Neo4j о структуре курса и с реляционной базы данных Postgresql о результатах студента, вычисляет уровень его компетенций, знаний и количество ошибок.
Для доступного представления результатов студента и структуры курса был реализовано веб-приложение на основе фреймворка Angular, которое получает все данные о студенте с Java приложения через API интерфейс и визуализирует эту информацию в виде различных графов, деревьев, карт, схем, графиков и диаграмм.
Реализованная система предоставляет широкие возможности для аналитики результатов студентов как внутри системы для прогнозирования дальнейших успехов или неуспехов и разработки необходимых шагов для увеличения эффективности обучения, так и для преподавателей и студентов, которые сами могут корректировать траекторию обучения, основываясь на предоставленных им данных в системе. Таким образом, систему можно легко совершенствовать путем добавления новых функций, например, основываясь на данных об изученных темах с ошибками, можно предоставлять наиболее оптимальный путь обучения для предотвращения наличия ошибочных знаний у студента в будущем.