Preview

Информатика и образование

Расширенный поиск

Формирование индивидуальной образовательной траектории студента вуза на основе модифицированного муравьиного алгоритма

https://doi.org/10.32517/0234-0453-2024-39-3-53-65

Аннотация

   Индивидуальная образовательная траектория позволяет предоставить каждому обучающемуся последовательность учебных материалов в соответствии с его темпом, стилем обучения и имеющимися пробелами в познаниях. В условиях цифровизации образования появляется возможность использовать современные способы повышения качества обучения для создания индиви­дуальной образовательной траектории. В статье представлена модель адаптации учебного контента, которая содержит алгоритм построения индивидуальной образовательной траектории, основанный на модифицированном муравьином алгоритме (алгоритме муравьиной колонии) и обеспечивающий персонализированный подбор последовательности учебных материалов. Модель адаптации учебного контента рассматривается на примере изучения языка SQL в рамках курса «Базы данных». Предложенная модификация алгоритма муравьиной колонии позволяет повысить эффективность формирования компетенций при прохождении учебных дисциплин, имеющих значительную продолжительность и состоящих из слабо связанных между собой модулей, за счет отнесения каждого студента к наиболее подходящей подгруппе в соответствии с выбранной профессиональной ролью и организации полноценного повторения на протяжении изучения всей дисциплины. В качестве спецификаторов групп обучающихся предложено использовать желаемый квалификационный уровень освоения языка SQL (базовый или профессиональный) или направление подготовки (специальность). Повторение основ решения задач в процессе изучения дисциплины предложено выполнять на основе определяемых алгоритмом муравьиной колонии значений «феромона», формула для расчета которых обеспечивает высокую вероятность перенаправления студента на решение задач из списка на повторение при превышении допустимого количества взятых подсказок или попыток решения.

Об авторах

К. В. Захарченков
Белорусско-Российский университет
Беларусь

Константин Васильевич Захарченков, канд. тех. наук, доцент

электротехнический факультет; кафедра «Программное обеспечение информационных технологий»

Могилев



Т. В. Мрочек
Белорусско-Российский университет
Беларусь

Татьяна Владимировна Мрочек, канд. тех. наук, доцент

электротехнический факультет; кафедра «Программное обеспечение информационных техно­логий»

Могилев



В. В. Кутузов
Белорусско-Российский университет
Беларусь

Виктор Владимирович Кутузов, канд. тех. наук, доцент, зав. кафедрой

электротехнический факультет; кафедра «Программное обеспечение информационных технологий»

Могилев



Список литературы

1. Machado M. D. O. C., Bravo N. F. S., Martins A. F., Ber­nardino H. S., Barrere E., De Souza J. F. Metaheuristic-­based adaptive curriculum sequencing approaches : A systematic review and mapping of the literature. Artificial Intelligence Re­view. 2020;54:711–754. DOI: 10.1007/s10462-020-09864-z.

2. Шершнева В. А., Вайнштейн Ю. В., Кочеткова Т. О. Адаптивная система обучения в электронной среде. Программные системы: теория и приложения. 2018;9(4):159–177. EDN: DNBANN. DOI: 10.25209/2079-3316-2018-9-4-159-177.

3. Медведева С. Н. Проектирование информационных технологий обучения в профессиональной математической подготовке в инженерном образовании. Казань: Редакционно­-издательский центр «Школа»; 2014. 261 с. EDN: WLJFDT.

4. Титовская Н. В., Титовский С. Н. Методика обу­чения будущих IT-­специалистов проектированию и разработке баз данных на основе интерактивного подхода. Вестник Красноярского государственного педагогического университета им. В. П. Астафьева (Вестник КГПУ). 2019;(4(50)):75–87. EDN: CQHLFY. DOI: 10.25146/1995-0861-2019-50-4-164.

5. Rastegarmoghadam M., Ziarati K. Improved modeling of intelligent tutoring systems using ant colony optimization. Educational Information Technologies. 2016;22:1067–1087. DOI: 10.1007/s10639-016-9472-2.

6. Menai M., Alhunitah H., Al­Salman H. Swarm intelligence to solve the curriculum sequencing problem. Computer Applications in Engineering Education. 2018;26(5):1393–1404. DOI: 10.1002/cae.22046.

7. Bobryakov A. V., Borisov V. V., Yanukovich S. P., Zakharchenkov K. V. A method for managing engineers training processes using swarm intelligence algorithms. Proc. 5sup>th</sup> Int. Conf. on Information Technologies in Engineering Education (Inforino 2020). New Jersey, USA, Institute of Electrical and Electronics Engineers Inc.; 2020:1–5. EDN: FSUSCL. DOI: 10.1109/Inforino48376.2020.9111788.

8. Dharshini A. P., Chandrakumarmangalam S., Arthi G. Ant colony optimization for competency based learning objects sequencing in e­learning. Applied Mathematics and Computation. 2015;263:332–341. DOI: 10.1016/j.amc.2015.04.067.

9. Светлов А. В. Особенности методики преподавания курса «Базы данных» для направления подготовки бакалавриата «Прикладная информатика». Вестник Волгоградского государственного университета. Серия 6: Университетское образование. 2012;(13):74–79. EDN: PVUJSB.

10. Литвак Е. Г. Методика преподавания проектирования баз данных на основе четырехкомпонентной модели педагогического дизайна. Информатика и образование. 2022;37(4):46–53. EDN: QHQUNG. DOI: 10.32517/0234-0453-2022-37-4-46-53.

11. Смирнов М. В., Поленок В. М. Опыт разработки веб-­приложения для моделирования реляционных баз данных с функцией прямого инжиниринга для обучения студентов технических специальностей. Информатика и образование. 2021;36(9):55–62. EDN: XMMSOH. DOI: 10.32517/0234-0453-2021-36-9-55-62.

12. Dorigo M., Gambardella L. M. Ant colonies for the travelling salesman problem. Biosystems. 1997;43(2):73–81. DOI: 10.1109/4235.585892.

13. Sivakumar D., Praveena R. Determining optimized learning path for an e­learning system using ant colony optimization algorithm. International Journal of Computer Science & Engineering Technology. 2015;6(2):61–66. Available at: https://ijcset.com/docs/IJCSET15-06-02-059.pdf

14. Дюличева Ю. Ю. Алгоритмы роевого интеллекта и их применение для анализа образовательных данных. Открытое образование. 2019;23(5):33–43. EDN: RGICOG. DOI: 10.21686/1818-4243-2019-5-33-43.

15. Wong L.­H., Looi C.­K. Adaptable learning pathway generation with ant colony optimization. Educational Technology & Society. 2009;12(3):309–326. Available at: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=10eea4e23902bf19754c95493d43f9bb246103de

16. Allach S., Ahmed M. B., Ghadi A., Essaaidi M. Modeling of e­learning based on ant colony algorithm. International Journal of Networks and Systems. 2012;1(1):37–42. Avail­able at: https://www.researchgate.net/publication/253645653_Modeling_of_e-learning_based_on_Ant_Colony_algorithm

17. Benabdellah N. C., Gharbi M., Bellafkih M. Ant colony algorithm and new pheromone to adapt units sequence to learners’ profiles. Proc. 9sup>th</sup> Int. Conf. on Intelligent Systems: Theories and Applications (SITA­14). New Jersey, USA, Institute of Electrical and Electronics Engineers Inc.; 2014:1–8. DOI: 10.1109/SITA.2014.6847300.

18. Kamsa I., Elouahbi R., El Khoukhi F. The combination between the individual factors and the collective experience for ultimate optimization learning path using ant colony algorithm. International Journal on Advanced Science, Engineering and Information Technology. 2018;8(4):1198–1208. DOI: 10.18517/IJASEIT.8.4.2787.

19. Bobryakov A. V., Borisov V. V., Prokopenko S. A., Misnik A. E. Approaches to the implementation of information analytical processes in complex technical­organizational systems. Proc. 5sup>th</sup> Int. Conf. on Information Technologies in Engineering Education (Inforino 2020). 2020:9111833. EDN: RBGRWS. DOI: 10.1109/Inforino48376.2020.9111833.

20. Борисов В. В., Мисник А. Е., Прокопенко С. А., Кутузов В. В., Захарченков К. В. Моделирование образовательных процессов на основе нейронечетких темпоральных сетей Петри. Прикладная информатика. 2021;16(4):35–47. EDN: AWVDXP. DOI: 10.37791/2687-0649-2021-16-4-35-47.

21. Карпенко А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Издательство МГТУ им. Н. Э. Баумана; 2021. 448 с. EDN: NCAEFY.

22. Liu Q., Huang J., Wu L., Hu J., Hu M. Study on learner model in adaptive learning system based on ant colony algorithm. Proc. 8sup>th</sup> Int. Conf. on Hybrid Learning: Innovation in Educational Practices (ICHL 2015). Springer Cham; 2015;9167:267–280. DOI: 10.1007/978-3-319-20621-9_22.

23. Ebbinghaus H. Memory: A contribution to experimental psychology. New York, USA, Teachers college, Columbia University; 1913. 142 p. Available at: https://archive.org/stream/memorycontributi00ebbiuoft

24. Черемошкина Л. В., Осинина Т. Н. О забывании учебного материала. Экспериментальная психология. 2011;4(3):97–125. EDN: OJQAWD.

25. Блинов В. И., Сергеев И. С., Родичев Н. Ф. Микрообучение — из бизнеса в образование: перспективное направление развития дидактики. Образование и наука. 2022;24(9):43–68. EDN: ISEUGU. DOI: 10.17853/1994-5639-2022-9-43-68.

26. Михайлов И. Э., Балакшин П. В. Метод модификации последовательности интервального повторения, основанный на активности пользователя в сети Интернет. Научно-­технический вестник информационных тех­нологий, механики и оптики. 2019;19(4):689–696. EDN: UFRROB. DOI: 10.17586/2226-1494-2019-19-4-689-696.

27. Маклаков А. Г. Общая психология. Санкт-Петербург: Питер; 2012. 583 с.

28. Токтарова В. И. Адаптивная система математиче­ской подготовки студентов вуза: учет стилевых типологий обучающихся. Вестник Челябинского государственного педагогического университета. 2017;(6):108–116. EDN: ZHZYML.

29. Валуева Е. А., Лаптева Е. М. Феномен подсказки при решении задач: взгляд со стороны психологии творчества. Часть 2. Эффекты подсказки в решении сложных когнитивных задач. Психология. Журнал Высшей школы экономики. 2012;9(3):140–162. EDN: QYXAMT.

30. Соколова Т. Н., Гусятников В. Н., Безруков А. И., Каюкова И. В. Методика оценки набора компетенций на основе результатов тестирования. Фундаментальные исследования. 2020;(12):209–215. EDN: IHYEON. DOI: 10.17513/fr.42935.

31. Маслак А. А. Теория и практика измерения латентных переменных в образовании. М.: Юрайт; 2020. 255 с. EDN: RQBLAY.

32. Родионов А. В., Братищенко В. В. Применение IRT­-моделей для анализа результатов обучения в рамках компетентностного подхода. Современные проблемы науки и образования. 2014;(4):1–11. EDN: STRMVH.

33. Кондрашова Е. В. Применение методов математической статистики при проведении педагогического эксперимента. Современные наукоемкие технологии. 2021;(2):162–169. EDN: MOXZVO. DOI: 10.17513/snt.38512.


Рецензия

Для цитирования:


Захарченков К.В., Мрочек Т.В., Кутузов В.В. Формирование индивидуальной образовательной траектории студента вуза на основе модифицированного муравьиного алгоритма. Информатика и образование. 2024;39(3):53-65. https://doi.org/10.32517/0234-0453-2024-39-3-53-65

For citation:


Zakharchenkov K.V., Mrochek T.V., Kutuzov V.V. Formation of individual educational trajectory of university student based on modified ant colony optimization algorithm. Informatics and education. 2024;39(3):53-65. (In Russ.) https://doi.org/10.32517/0234-0453-2024-39-3-53-65

Просмотров: 315


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0234-0453 (Print)
ISSN 2658-7769 (Online)