14.579.21.0073

Целью проекта является исследование и разработка комплекса научно-технических решений, направленных на создание системы количественной оценки метапредметных и метакогнитивных навыков и умений на основе применения методов искусственного интеллекта при анализе данных о поведении обучаемых.
Основной задачей, направленной на достижение указанной цели, является разработка методов и алгоритмов автоматизированного контроля знаний, умений и навыков на базе технологий интеллектуального анализа данных о поведении учащегося в информационно-образовательной среде.

Актуальность ПНИ обусловлена необходимостью создания новых информационных технологий, предназначенных для интеллектуализации автоматизированных систем контроля знаний. Идея использования искусственного интеллекта в компьютерных средствах поддержки процессов обучения не является новой первые интеллектуальные системы такого типа появились в 70-х годах XX века. К настоящему времени эта идея уже доказала свою эффективность, и с развитием области искусственного интеллекта постоянно развивается и область интеллектуализации таких компьютерных систем.
В рамках ПНИ предлагается оригинальный подход для создания методологии автоматизированного контроля знаний, умений и навыков на базе использования методов машинного обучения, использующих в качестве входных данных сведения о поведении учащегося в информационно-образовательной среде.

В рамках проекта были проведены теоретические исследования в области создания методов и алгоритмов, позволяющих осуществлять автоматизированную количественную оценку метапредметных и метакогнитивных умений и навыков. В ходе исследования был уточнен объем понятий «метакогнитивные умения и навыки» и «межпредметные умения и навыки», вскрыты основные особенности указанных умений и навыков, был введен объединяющий их тер-мин «некогнитивные навыки», даны общее описания групп и комплексов некогнитивных навыков, особенностей их оценки как автоматизированном, так и в «ручном» режиме.

Была разработана математическая модель типологии некогнитивных навыков, опирающаяся на выделение 6 измерений-шкал, отражающих следующие признаки навыка: градуальность, точечность, гранулярность, наблюдаемость, тестируемости и рефлексив-ность.
На основе разработанной типологии была получена карта метапредметных и метакогнитивных умений и навыков. Карта была составлена методом кластеризации перечня кодифицированных некогнитивных навыков в 6-мерном пространстве, образованном в ре-зультате их оценки входе опроса более 300 учителей.

Параллельно была разработана математическая модель типологии паттернов поведения, направленных на совершенствование как отдельных типов умений и навыков, так и целых их комплексов. Модель опирается на 3-хслойную структуру манифестации различных навыков в электронных обучающих средах. Были введены и описаны понятия «физических» и «семантических» событий, составлены их классификации.

Был разработан набор алгоритмов количественной оценки метапредметных и метакогнитивных умений и навыков на основе анализа моделей поведения пользователей в различных обучающих средах, основанных на применении методов машинного обучения.

Был разработан экспериментальный образец программного комплекса автоматизированной количественной оценки сложных умений и навыков, базирующийся на наборе алгоритмов количественной оценки метапредметных и метакогнитивных умений и навыков.

 

Разработанное в рамках проекта техническое решение обладает рядом следующих преимуществ:

1)    Направленность на работу с сообщениями о событиях в электронных средах обучения (ЭСО) в формате xAPI. Это дает возможность алгоритму работать со множеством различных ЭСО, реализую-щих спецификацию Tin Can API. К таким системам относится в частности чрезвычайно распространенная система управления обучением Moodle.
2)    Разработанный алгоритм имеет рекурсивный характер применения методов машинного обучения. В настоящем исследовании использовалось два уровня рекурсии: 
а)    Определение типа семантического события на основе частных моделей «физического» поведения пользователя в ЭСО.
б)    Определение неизвестных свойств общей модели пользователя на основе заданных свойств, составленных на основе семантических событий.
Однако число уровней может быть увеличено. Например, может быть добавлен уровень определения семантических событий «второго» порядка на основе событий «первого». Так, если семантическими событиями «первого» порядка могут считаться такие события, как чтение, проглядывание, изучение иллюстрации, то семантическими событиями «второго» порядка можно считать, например, запоминание, припоминание, справка и т.п. С точки зрения предложенного алгоритма определение типа семантического события «второго» порядка на основе событий «первого» порядка аналогично определению типа семантического события «первого» порядка на основе «физического» события. 
3)    Метод применения правил трансформации, предложенный в рамках разработанного алгоритма, опирается на метод параллельных вычислений MapReduce. Это делает возможным более эффективное с точки зрения вычислительных ресурсов формирование частных и общих моделей пользователей в реальном времени, по мере поступления данных о событиях в ЭСО.

 

Основной областью применения ожидаемых результатов проекта является сфера электронного обучения (e-learning), где разработанные методы и решения могут широко использоваться для создания новых сервисов и технологий оценки знаний, умений и навыков.

Прикладной областью применения являются проекты проведения распределенных научных исследований в рамках сетевых проектов студентов и школьников. В рамках этих проектов предлагается повысить эффективность обучения и контроля метапредметных и метакогнитивных умений и навыков на основе анализа моделей поведения пользователей и разработанных методов.
Результаты проекта при их широком внедрении могут оказать значимый социальный эффект в рамках развития технологий обучения, позволяя учащимся более активно развивать метапредметные и метакогнитивные умения и навыки. Широкое внедрение соответствующих технологий может в среднесрочной перспективе оказать важный социально-экономический эффект, способствуя развитию надпреметных компетенций учащихся, и их способностей к обучению, что остро необходимо для высококвалифицированных работников промышленности и сферы услуг.

Научные результаты проекта внесут значимый вклад в развитие электронной педагогики и методов искусственного интеллекта. Они будут способствовать активизации разработок в области инфокогнитивных технологий, изучению и созданию программного обеспечения для Интернет на русском языке.

Программные продукты, созданные на базе предлагаемых методов, будут иметь высокую степень конкурентоспособности, т.к. основаны на оригинальных подходах в области когнитивного моделирования образовательных моделей учащихся. Разработки в этих направлениях не имеют в настоящее время прямых аналогов, поэтому с высокой долей вероятности могут быть успешно запатентованы как в России, так и за рубежом.