Preview

Информатика и образование

Расширенный поиск

К вопросу подбора учебно-методической информации для реализации адаптивной электронной образовательной среды: алгоритм априорной классификации авторов

https://doi.org/10.32517/0234-0453-2025-40-2-66-78

Аннотация

Статья посвящена формированию нового подхода к классификации отечественной учебно-методической информации, которая должна обеспечить реализуемость адаптивности электронных образовательных систем в рамках перехода общества к его информационной форме. Необходимость этого обусловлена тем, что учебно-методическая информация обычно формируется на базе новых научных результатов, полученных при выполнении диссертационных исследований. При этом объем научной информации в настоящее время растет по закону, близкому к экспоненциальному, и тем самым резко увеличиваются требования к интегрированным распределенным информационным системам (электронным библиотечным системам), обеспечивающим образовательный процесс.

Обоснование актуальности темы исследования и постановка решаемой задачи произведены на основании ретроспективного анализа существующих методов классификации документов, содержащих научную информацию, а также интегрированных распределенных информационных систем, широко представленных на мировом рынке. Результаты анализа указывают на то, что существующий рост публикуемой научно-методической информации происходит по закону, близкому к экспоненциальному, что приводит к уменьшению глубины запроса или к существенному сужению области поиска и получения с высокой вероятностью информации, не являющейся релевантной, что в итоге снижает качество образовательного процесса.

Результатом данной работы является алгоритм априорной классификации авторов учебно-методической информации, базирующийся на основе анализа авторефератов, свойственных отечественной системе аттестации научно-педагогических кадров. Достижение результата получено посредством использования идей академической генеалогии, теории множеств и дискретной математики, теории графов.

Перечислены ограничения и рекомендации по практической реализации предложенного в работе подхода.

Об авторах

С. Г. Григорьев
Московский городской педагогический университет
Россия

Григорьев Сергей Георгиевич, чл.-корр. РАО, доктор тех. наук, профессор, профессор департамента информатики, управления и технологий, Институт цифрового образования, 

г. Москва.



И. М. Лернер
Башкирский государственный педагогический университет им. М. Акмуллы; Казанский национальный исследовательский технический университет им. А. Н. Туполева-КАИ
Россия

Лернер Илья Михайлович, доктор тех. наук, старший научный сотрудник; профессор кафедры нанотехнологий в электронике, Институт радиоэлектроники, фотоники и цифровых технологий,

г. Уфа, Республика Башкортостан;   

г. Казань, Республика Татарстан.



А. Х. Мариносян
Московский городской педагогический университет
Россия

Мариносян Андреас Хачатурович, аспирант, департамент информатизации образования, Институт цифрового образования, 

г. Москва.



Н. К. Арутюнова
Казанский национальный исследовательский технический университет им. А. Н. Туполева-КАИ
Россия

Арутюнова Наталья Константиновна, канд. физ.-мат. наук, доцент кафедры прикладной математики и информатики, Институт компьютерных технологий и защиты информации,

г. Казань, Республика Татарстан.



М. А. Григорьева
Московский городской педагогический университет
Россия

Григорьева Марина Александровна, канд. пед. наук, доцент, доцент департамента информатики, управления и технологий, Институт цифрового образования, 

г. Москва.



Список литературы

1. Силкина Н. С., Соколинский Л. Б. Обзор адаптивных моделей электронного обучения. Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. 2016;5(4):61–76. EDN: WZQWPJ. DOI: 10.14529/cmse160405.

2. Силкина Н. С., Соколинский Л. Б. Структурно-иерархическая дидактическая модель электронного обучения. Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. 2019;8(4):56–83. EDN: GEWVSO. DOI: 10.14529/cmse190405.

3. Лернер И. М., Кадушкин В. В., Сычев А. С., Дымкова С. С., Кондратьев В. В., Вишнякова И. В. Модель адаптивной педагогической системы обучения студентов с ограниченными возможностями здоровья по слуху, осваивающих технические специальности. Высшее образование сегодня. 2021;(11-12):88–101. EDN: LTQYAQ. DOI: 10.18137/RNU.HET.21.11-12.P.088.

4. Стукалова А. А. Функциональность электронного каталога: требования российских и зарубежных пользователей. Научные и технические библиотеки. 2020;(8):63–84. EDN: AYMLQJ. DOI: 10.33186/1027-36892020-8-63-84.

5. Галиев Т. Э. Методы ранжирования поисковой информации в корпоративных поисковых системах. Открытое образование. 2012;(1):46–51. EDN: PLQHGJ.

6. Лернер И. М., Файзуллин Р. Р., Хайруллин А. Н., Шушпанов Д. В., Ильин В. И., Рябов И. В. Повышение удельной пропускной способности как фундаментальная проблема теории связи. Стратегия развития в постшенноновскую эпоху. Часть 1. Ретроспективный обзор методов приема и обработки сигналов в частотно-селективных каналах связи при скоростях передачи информации выше скорости Найквиста. Успехи современной радиоэлектроники. 2023;77(1):37–50. EDN: OYDZCG. DOI: 10.18127/j20700784-202301-02.

7. Лернер И. М., Файзуллин Р. Р., Хайруллин А. Н., Шушпанов Д. В., Ильин В. И., Рябов И. В. Повышение удельной пропускной способности как фундаментальная проблема теории связи. Стратегия развития в постшенноновскую эпоху. Часть 2. Ретроспективный обзор методов приема и обработки сигналов в частотно-селективных каналах связи при наличии межсимвольных искажений. Успехи современной радиоэлектроники. 2023;77(2):16-33. EDN: TIQOYC. DOI: 10.18127/j20700784-202302-02.

8. Шалагин С. В. Оценка вероятности своевременной актуализации информационной модели динамически меняющейся предметной области. Вестник НЦБЖД. 2024;(3(61)):117–122. EDN: FYHKYL.

9. Lombardo S. V., Condic K. S. Empowering users with a new online catalog. Library Hi Tech. 2000;18(2):130– 141. DOI:10.1108/0737883001033346.

10. Borgman C. L. Why are online catalogs still hard to use? Journal of the American Society for Information Science. 1996;47(7):493–503. DOI: 10.1002/(sici)10974571(199607)47:7<493::aid-asi3>3.0.co;2-p.

11. Ortiz-Repiso V. How researchers are using the OPAC of the Sphanish Council for Scientific Research Library Network. Electronic Library. 2006;24(2):190–211. DOI: 10.1108/02640470610660378.

12. Меркулова А. Ш. Оценка качества тематического поиска информации в электронном каталоге библиотеки. Книга: Сибирь — Евразия: Труды I Международного научного конгресса. Т. 3. Новосибирск; 2016:257–264. EDN: ZHCKRX.

13. Скарук Г. А. Читательский поиск в электронном каталоге: итоги анализа поисковой статистики ГПНТБ СО РАН. Научные и технические библиотеки. 2017;(12):63– 72. EDN: ZWTHPL. DOI:10.33186/1027-3689-2017-12-63-72.

14. Зайцева Е. М. Проблемы организации предметного поиска в специализированных тематических электронных каталогах. Научные и технические библиотеки. 2017;(2):5–13. EDN: XVNSOZ. DOI: 10.33186/1027-36892017-2-5-13.

15. Селиванова Ю. Г., Масхулия Т. Л. Электронный каталог: формирование и поиск. Тенденции современной каталогизации. Библиотечное дело. 2004;(8):20–21.

16. Сукиасян Э. Р. Два шага назад. О поиске в наших электронных каталогах. Информационное обслуживание библиотек в меняющейся социальной среде: тенденции, новации, перспективы: Моргенштерновские чтения — 2018. Материалы всероссийской научно-практической конференции (Челябинск, 20–21 сентября 2018 г.). Челябинск: Челябинский Дом печати; 2018:120–126. EDN: YNMHNJ.

17. Сукиасян Э. Р. Система каталогов. Как мы ее долго строили и как быстро ликвидировали. Научные и технические библиотеки. 2019;(6):28–40. EDN: BLGQBF. DOI: 10.33186/1027-3689-2019-6-28-40.

18. Скарук Г. А. Электронный каталог как объект оценки качества. Библиосфера. 2018;(2):85–92. EDN: XQVVOH. DOI: 10.20913/1815-3186-2018-2-85-92.

19. Скарук Г. А. Средства и методы помощи пользователям электронного каталога в самостоятельном поиске. Труды ГПНТБ СО РАН. 2015;(8):275–282. EDN: UNWVRV.

20. Salton G., Wong A., Yang C. S. A vector space model for automatic indexing. Communications of the ACM. 1975;18(11):613–620. DOI:10.1145/361219.361220.

21. Ding Xue. Books intelligent recommendation system based on association rules. Library and Information Forum. 2010;1(4):48–52. (In Chinese.)

22. Sun Sh., Wang W. Collaborative filtering based on user clustering personalized book recommendation system. Modern Library and Information Technology. 2011;1(11):139–142. (In Chinese.)

23. Herlocker J. L., Konstan J. A., Terveen L. G., Riedl J. T. Evaluating collaborative filtering recommender systems. ACM Transactions on Information Systems. 2004;1(22):5–53. DOI:10.1145/963770.963772.

24. Ji W., Liu S., Song Y., Qi J. Research of Intelligent recommendation system based on the user and association rules mining for books. Proc. of the 2015 5th International Conference on Computer Sciences and Automation Engineering. Atlantis Press; 2016:294–299. DOI: 10.2991/iccsae-15.2016.56.

25. Yao Y. Library resource vertical search engine based on ontology. 2017 International Conf. on Smart Grid and Electrical Automation (ICSGEA). IEEE, Changsha, China; 2017:672–675. DOI: 10.1109/ICSGEA.2017.159.

26. Kim J. H., Lee J. H., Lee K. J. A Study on the Issues Related to Building a Library Information System Based on Deep Learning. 2021 21st ACIS International Winter Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPDWinter). Ho Chi Minh City, Vietnam, IEEE; 2021:287–289. DOI: 10.1109/SNPDWinter52325.2021.00076.

27. Trivedi Y., Kansaria K., Vora D. Smart book recommendation system for library books: LibX. IOSR Journal of Engineering (IOSRJEN). 2018;8(7):01–05.

28. Zhang H., Xiao Y., Bu Z. Personalized Book Recommender System Based on Chinese Library Classification. 14th Web Information Systems and Applications Conf. (WISA). Liuzhou, China; 2017:127–131. DOI: 10.1109/WISA.2017.42.

29. Anikieva M. A. The choice of customization strategies in training: An overview of parameters and their systematization. Australasian Journal of Educational Technology. 2021;37(3):170–186. EDN: SFXOOH. DOI 10.14742/ajet.6185.

30. Zhao C., Sahni S. String correction using the Damerau—Levenshtein distance. BMC Bioinformatics. 2019;20(Suppl 11):277. DOI: 0.1186/s12859-019-2819-0.

31. Окулов С. М. Алгоритмы обработки строк. 5-е изд., электрон. М.: Лаборатория знаний; 2024. 258 с.

32. Черемисинов Д. И., Черемисинова Л. Д. Поиск часто встречающихся подграфов. Big Data and Advanced Analytics. 2018;(4):173–178. EDN: YZJFKX.


Рецензия

Для цитирования:


Григорьев С.Г., Лернер И.М., Мариносян А.Х., Арутюнова Н.К., Григорьева М.А. К вопросу подбора учебно-методической информации для реализации адаптивной электронной образовательной среды: алгоритм априорной классификации авторов. Информатика и образование. 2025;40(2):66-78. https://doi.org/10.32517/0234-0453-2025-40-2-66-78

For citation:


Grigoriev S.G., Lerner I.M., Marinosyan A.Kh., Arutyunova N.K., Grigorieva M.A. On the issue of educational and methodological information selection for implementing an adaptive learning management system: Algorithm of a priori authors classification. Informatics and education. 2025;40(2):66-78. (In Russ.) https://doi.org/10.32517/0234-0453-2025-40-2-66-78

Просмотров: 19


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


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