Решение задачи автоматизации учебного процесса с помощью экспериментального поиска индивидуальной образовательной траектории
https://doi.org/10.32517/0234-0453-2024-39-4-14-26
Аннотация
Автоматизация образовательного процесса и внедрение адаптивного обучения становятся наиболее эффективными способами решения проблемы дефицита высококвалифицированных кадров в условиях цифровизации образования.
В статье предложен подход к формированию индивидуальных образовательных траекторий как композиции педагогических экспериментов, отличающийся хорошей интерпретируемостью в сравнении с методами, основанными на машинном обучении. Этот подход, в отличие от большинства современных параметрических решений, предполагает экспериментальный поиск индивидуальной образовательной траектории для каждого студента группы, а не только части студентов той группы, в которой применение конкретного параметрического решения дает результат. Предлагается автоматизировать процедуру отбора образовательных технологий аналогично тому, как это делают преподаватели в небольших группах, например, применяя автоматизированный метод проб и ошибок и его оптимизированные версии. Рассмотрена возможность переноса образовательных технологий на другие курсы, являющаяся условием повторного использования и масштабирования этих технологий. Описана новая функция учебной системы — формирование индивидуальной образовательной траектории, которая используется на протяжении всего обучения в вузе.
Полученные результаты могут быть использованы при построении современных систем индивидуализации обучения и проведении распределенных педагогических экспериментов, что, в свою очередь, снижает порог входа преподавателей в исследование новых технологий обучения и ускоряет широкое распространение перспективных образовательных технологий.
Ключевые слова
Об авторах
М. С. ДьяченкоРоссия
Дьяченко Михаил Сергеевич - инженер отдела проблем информационной безопасности, Федеральный научный центр НИИСИ РАН, НИЦ «Курчатовский институт»; преподаватель магистерской программы «Цифровые технологии в государственном и корпоративном управлении», кафедра математических методов в экономике и управлении, Институт информационных систем, ГУУ.
Москва
А. Г. Леонов
Россия
Леонов Александр Георгиевич - канд. физ.-мат. наук, доцент, зав. кафедрой дополнительного профессионального образования, Федеральный научный центр НИИСИ РАН, НИЦ «Курчатовский институт»; руководитель магистерской программы «Цифровые технологии в государственном и корпоративном управлении», доцент кафедры математических методов в экономике и управлении, Институт информационных систем, ГУУ; ведущий научный сотрудник лаборатории вычислительных методов, кафедра теоретической информатики, механико-математический факультет, МГУ имени М.В. Ломоносова; профессор кафедры математики и информатики в начальной школе, факультет начального образования, Институт детства, МПГУ.
Москва
Список литературы
1. Бетелин В. Б. Проблемы и перспективы формирования цифровой экономики в России. Вестник российской академии наук. 2018;88(1):3–9. EDN: YKHLDM. DOI: 10.7868/S0869587318010012.
2. Бетелин В. Б. О новой технологической революции и готовности к ней экономики России. Экономист. 2018;(2):3–9.
3. Гимранов Р. Д., Холкин И. Н. Изобретая информационные системы будущего. Теория и практика. Сургут: ООО «Аэроплан СОФТ»; 2017. 197 с. EDN: YWRSGT.
4. Кречетов И. А., Дорофеева М. Ю., Дегтярев А. В. Раскрываем потенциал адаптивного обучения: от разработки до внедрения. Материалы международной конференции Elearning Stakeholders and Researchers Summit 2018. М.: Национальный исследовательский университет «Высшая школа экономики»; 2018:76–88. EDN: YXPFPF.
5. Кречетов И. А., Романенко В. В. Реализация методов адаптивного обучения. Вопросы образования. 2020;(2):252–277. EDN: KYNIIH. DOI: 10.17323/1814-9545-2020-2-252-277.
6. Вайнштейн Ю. В., Есин Р. В., Цибульский Г. М. Модель образовательного контента: от структурирования понятий к адаптивному обучению. Открытое образование. 2021;25(1):28–39. EDN: CODQHI. DOI: 10.21686/1818-4243-2021-1-4-28-39
7. Комлева Н. В., Вилявин Д. А. Цифровая платформа для создания персонализированных адаптивных онлайн курсов. Открытое образование. 2020;24(2):65–72. EDN: CWBDOO. DOI: 10.21686/1818-4243-2020-2-65-72.
8. Шамсутдинова Т. М. Формирование индивидуальной образовательной траектории в адаптивных системах управления обучением. Открытое образование. 2021;25(6):36–44. EDN: YPLVRY. DOI: 10.21686/1818-4243-2021-6-36-44.
9. Вилкова К. А., Лебедев Д. В. Адаптивное обучение в высшем образовании: за и против. М.: Национальный исследовательский университет «Высшая школа экономики»; 2020. 36 с. EDN: PYRWTW.
10. Piech C., Bassen J., Huang J., Ganguli S., Sahami M., Guibas L., Sohl-Dickstein J. Deep knowledge tracing. Proc. 28th Int. Conf. Neural Information Processing Systems (NIPS 2015). Cambridge, MA, USA, MIT Press; 2015;1:505–513. Available at: https://papers.nips.cc/paper/2015/file/bac9162b47c56fc8a4d2a519803d51b3-Paper.pdf
11. Abdelrahman G., Wang Q., Pereira Nunes B. Knowledge tracing: A survey. ACM Computing Surveys. 2022;55(11):1–37. DOI: 10.1145/3569576.
12. Cheng S., Liu Q., Chen E., Zhang K., Huang Z., Yin Y., Huang X., Su Y. AdaptKT: A domain adaptable method for knowledge tracing. Proc. 15th ACM Int. Conf. on Web Search and Data Mining (WSDM’22). New York, NY, USA, Association for Computing Machinery; 2022:123–131. DOI: 10.1145/3488560.349837.
13. Дьяченко М. С., Леонов А. Г. Архитектура учебной системы с индивидуализацией обучения на основе накопленных данных результатов автоматизированной проверки заданий. Успехи кибернетики. 2023;4(1):39–48. EDN: CHDAIZ. DOI: 10.51790/2712-9942-2023-4-1-06.
14. Дьяченко М. С., Леонов А. Г., Матюшин М. А. Исследование и разработка методов машинного обучения и архитектур нейронных сетей для применения в области проверки. Труды Научно-исследовательского института системных исследований Российской академии наук. 2021;11(3):48–53. EDN: QIEETZ. DOI: 10.25682/NIISI.2021.3.0010.
15. Bensalah F., Daniel M. P., Patra I., García D. S., Irgasheva Sh., Tsarev R. Implementation of individual learning trajectories in LMS Moodle. Data Analytics in System Engineering. Proc. of the Computational Methods in Systems and Software Conf. (CoMeSySo 2023). Cham, Springer Nature Switzerland; 2024;935:159–174. DOI: 10.1007/978-3-031-54820-8_14.
16. Яковлев Е. В., Яковлева Н. О. Педагогический эксперимент в диссертационных исследованиях. Современная высшая школа: инновационный аспект. 2011;(1):52–63. EDN: NELCFT.
17. Pisareva O. M., Leonov A. G., Dyachenko M. S. Adaptive digital educational environments as drivers of remote staff training technologies. Proc. Int. Sci. Conf. “Smart Nations: Global Trends in The Digital Economy”. Lecture Notes in Networks and Systems. Zug, Switzerland, Springer Nature Switzerland; 2022;398:360–366. EDN: AQVXHW. DOI: 10.1007/978-3-030-94870-2_46.
18. Чуркина Н. А. «Цифровой след» в аспекте электронного обучения. Международный научно-исследовательский журнал. 2022;(11(125)):47. EDN: MYAJPC. DOI: 10.23670/IRJ.2022.125.35.
19. Meng J., Liu X., Sridhar V. Algorithm design of online education platform based on simulation experiment. Proc. 4th Int. Conf. on Big Data Analytics for Cyber-Physical System in Smart City. Singapore, Springer Nature Singapore; 2023;168:118–127. DOI: 10.1007/978-981-99-1157-8_15.
20. Горбатов С. В., Краснова Е. А. Цифровой след как механизм индивидуализации образовательной траектории студента (на примере курса «Цифровые технологии самообразования»). Перспективы науки и образования. 2022;(4(58)):193–208. EDN: SPPWXY. DOI: 10.32744/pse.2022.4.12.
21. Heift T. Web delivery of adaptive and interactive language tutoring: Revisited. International Journal of Artificial Intelligence in Education. 2016;26(1):489–503. DOI: 10.1007/s40593-015-0061-0.
Рецензия
Для цитирования:
Дьяченко М.С., Леонов А.Г. Решение задачи автоматизации учебного процесса с помощью экспериментального поиска индивидуальной образовательной траектории. Информатика и образование. 2024;39(4):14-26. https://doi.org/10.32517/0234-0453-2024-39-4-14-26
For citation:
Diachenko M.S., Leonov A.G. Solving the problem of automating the learning process through experimental search for an individual educational trajectory. Informatics and education. 2024;39(4):14-26. (In Russ.) https://doi.org/10.32517/0234-0453-2024-39-4-14-26