СОДЕРЖАНИЕ
ПРЕДИСЛОВИЕ ………………………………………………………………………
Часть 1. Количественные меры информации и оптимизация учебного процесса
Лекция 1. Основные сведения из кибернетики
1.1. Краткий исторический экскурс в кибернетику………………………………….
1.2. Понятийно-категориальный аппарат кибернетики……………………………..
1.3. Формализованное описание кибернетической системы………………………..
1.4. Классы задач для кибернетических систем……………………………………...
Библиография к лекции 1……………………………………………………………………….
Лекция 2. Меры информации и оптимизация процесса управления
2.1. Стохастические меры информации………………………………………………
2.2. Детерминированные меры информации………………………………………...
2.3. Информационные аспекты оптимизации управления и синергетики…………
Библиография к лекции 2……………………………………………………………………….
Лекция 3. Обучающие экспертные системы общего назначения.
3.1. Экспертные системы (ЭС) и их классификация…………………………………
3.2. Приложения и проблемная область ЭС………………………………………….
3.3. Оценки и перспективы ЭС………………………………………………………..
Библиография к лекции 3……………………………………………………………………….
Лекция 4. Алгебраическая теория обучающих ЭС общего назначения.
4.1. Психологические аспекты обучения в диалоге…………………………………
4.2. Формализация алгоритма обучения в диалоге………………………………….
4.3. Полугрупповая теория формирования базы знаний ЭС……………………….
4.4. Алгоритмы и математические модели тестирования…………………………..
4.5. Из истории ЭС…………………………………………………………………….
Библиография к лекции 4……………………………………………………………………....
Лекция 5.Принцип минимума энтропии информации при оптимизации
Группового сотрудничества в учебном процессе.
5.1. Теоретическая модель……………………………………………………………
5.2. Снижение энтропии информации при оптимизации группового
сотрудничества в учебном процессе…………………………………………………
5.3. Пример оптимизации разбиения на группы……………………………………
5.4. ИКТ для реализации эффективного группового сотрудничества
в учебном процессе……………………………………………………………………
5.5. Результаты экспериментов………………………………………………………
5.6. Оптимизация группового сотрудничества в учебном процессе:
ограничения сверху…………………………………………………………………...
Библиография к лекции 5………………………………………………………………………
Лекция 6. Принцип минимума энтропии информации при оптимизации
Группового сотрудничества в учебном процессе по данным социометрии
Обучаемого контингента
6.1. Отношение симпатии между элементами социометрической матрицы……..
6.2. Измерение и анализ матрицы симпатий……………………………………….
6.3. Процесс кластеризации обучаемого контингента по данным социометрии:
критерий управления и оптимизация поиска………………………………………
6.4. Управление кластеризацией учебной группы по данным социометрии…….
6.5. Рекомендации по применению ИКТ группового сотрудничества
в учебном процессе ………………………………………………………………….
Библиография к лекции 6……………………………………………………………………
Лекция 7. Принцип минимума энтропии информации при оптимизации
Распределения образовательного контента по траектории учебного процесса
7.1. Информационная модель развивающего обучения……………………………
7.2. Оптимизация зон ближайшего развития в учебном процессе. ………………
7.3. Информационная энтропия блочно-модульного обучения…………………..
Библиография к лекции 7…………………………………………………………………….
Часть 2. Основы когнитологии. Манипулирование и операции со знаниями.
Лекция 8. Психологические теории развития интеллекта
8.1. Классические подходы…………………………………………………………
8.2. Интеллект – как форма индивидуального ментального опыта……………..
8.3. О кризисе тестологических теорий интеллекта……………………………..
Библиография к лекции 8……………………………………………………………………
Лекция 9. Концепция искусственного интеллекта в кибернетике
9.1. Искусственный интеллект (ИИ): исторический экскурс……………………
9.2. Психологические аспекты ИИ
9.2.1. Мыслительные операции и конфигурации. Язык…………………………
9.2.2. Модели мыслительных процессов: фреймы и семантические сети…….
9.2.3. Проблемная область ИИ-систем……………………………………………
Библиография к лекции 9……………………………………………………………………
Лекция 10. Закономерности когнитивных процессов
10.1. Замечания относительно интуиции………………………………………….
10.2. Дискурсивное мышление и тезис Гильберта………………………………..
10.3. Специализация полушарий мозга и принцип дополнительности…………
10.4. Концепция самоорганизованной критичности мышления
и креативные процессы……………………………………………………………
Библиография к лекции 10………………………………………………………………….
Лекция 11. Концепция когнитологии в кибернетике
11.1. Данные и знания. Аксиомы знаний…………………………………………
11.2. Модели представления знаний
11.2.1. Декларативные методы: логические и сетевые модели…………………
11.2.2. Процедурные методы: продукционные модели и фреймы……………..
Библиография к лекции 11…………………………………………………………………
Лекция 12. Манипулирование знаниями
12.1. Приобретение и формализация знаний…………………………………….
12.2. Пополнение знаний………………………………………………………….
12.3. Обобщение и классификация знаний………………………………………
Библиография к лекции 12………………………………………………………………….
Лекция 13. Дедуктивный вывод на знаниях
13.1. Общие положения…………………………………………………………
13.2. Правило вывода по принципу резолюций. ……………………………..
13.3. Дедуктивный вывод на семантических сетях………………………….
Библиография к лекции 13……………………………………………………………..
Лекция 14. Нечеткий вывод на знаниях
14.1. Вводные определения и понятия…………………………………………
14.2. Нечеткое множество и его характеристики……………………………..
14.3. Основные операции с нечеткими множествами…………………………
14.4. Отношения между нечеткими множествами…………………………….
14.5. Нечеткий вывод в системе принятия решений…………………………..
Библиография к лекции 14……………………………………………………………....
Лекция 15. Теория семантических сетейдля неформальной
Аксиоматической теории
15.1. Аксиоматический метод – как универсальный способ
формирования теоретических знаний………………………………………….
15.2. Дискретная модель семантической сети для неформальной
аксиоматической теории………………………………………………………..
Библиография к лекции 15………………………………………………………………
Лекция 16. Элементы топологии семантических сетей
16.1. Маршруты, расстояния и связность между вершинами
семантической сети. ……………………………………………………………
16.2. Области доминирования предикатных вершин семантической сети….
16.3. Емкости предикатных вершин семантической сети…………………….
16.4. Размеры областей доминирования и система покрытий
семантической сети……………………………………………………………..
Библиография к лекции 16…………………………………………………………….
Лекция 17. Оптимизация дедуктивного вывода на семантических сетях:
Классификация задач
17.1. Классы задач сетевой оптимизации дедуктивного вывода……………
17.2. Система аксиом – как объект оптимизации…………………………….
17.3. Минимизация длины или емкости дедуктивного вывода……………..
17.4. Ранжировка значимости предикатных вершин семантической сети….
Библиография к лекции 17………………………………………………………………
ПРЕДИСЛОВИЕ
Нынешнюю эпоху знаменует глобализация общественных отношений, основу которой представляют информационные процессы. Информатизация в системе образования расширяет возможности процесса обучения и представляет один из приоритетов концепции модернизации российского образования. Однако, определяя приоритетом широкую информатизацию учебных процессов, по сути, ставятся определенные проблемы в области дидактики, связанные с созданием обновленной коммуникационной среды обучения, адаптированной к усвоению больших массивов знаний и формированию необходимых компетенций.
Попытки решения возникающей проблематики в рамках традиционной педагогики сталкиваются с затруднениями, которые достаточно полно отражены в последней версии Федерального закона от 29.12.2012, №273-ФЗ "Об образовании в Российской Федерации". Конкретно, с появлением компьютеров в 80-е гг. началось формирование образовательного киберпространства, что в педагогической психологии наметило переход от концепции бихевиоризма к концепции когнитивной психологии. Этому способствовали работы профессора Гарвардского университета Дж. Андерсона (1983), который, одним из первых, выдвинул тезис о том, что в науке о мышлении центральной является проблема обучения и приобретения знаний. Таким образом, в дидактике зародилось новое научное направление, именуемое когнитологией (от лат. cognitio – познавание), предметом которого является построение общей дидактики на основе теории когнитивных процессов.
Истоки когнитологии восходят к классическим работам Д. Хебба (1949) по организации оперативной памяти мозга, который показал, что организация долговременной памяти в мозге связана с образованием стабильных замкнутых нейронных цепей (гештальтов), сохраняющих определенную информацию. Воздействие на любой нейрон такой цепи приводит ее в возбужденнoе состояние и, таким образом, необходимая информация извлекается из памяти. На этом пути были созданы простейшие нейросетевые алгоритмы обучения, поколение которых начинается с перцептрона Ф. Розенблатта (1958). Однако при этом долго не удавалось объяснить причину высокой эффективности принятия решения по неполной информации в структуре мозга. Этот аспект разрешился в рамках теории распознавания образов О. Бьюнеманом и Э. Зиманом (1962), которые на основе концепции толерантного пространства смогли объяснить причину высокой эффективности принятия решения по неполной информации в структуре мозга. В отечественном образовательном пространстве это направление известно пионерскими работами М.М. Бонгарда (60-е гг. ХХ в.), который всякий учебный процесс рассматривал как последовательное и целенаправленное распознавание образов учебной информации.
Как и всякая научная дисциплина, когнитология в своем генезисе методологически проходит ряд характерных этапов развития:
 |
По этой схеме когнитология – это рефлексивная система, отражающая структурную динамику научного знания и рационально обоснованные пути его приращения. Логически переход к каждому последующему этапу связан с повышением уровня абстракции формируемой системы знаний и реализует принцип «матрешки», для обеспечения рекурсивной вложимости системных блоков. Нынешний этап развития когнитологии соответствует переходу к формализации знаний и построению логико-математической теории. По сути, речь идет о построении системы адекватных мер и моделей в предметном поле когнитологии.
Такая возможность реализуется в русле парадигмы кибернетики, которая сформировалась в середине XX в. в работах К. Шеннона по теории информации, опираясь на которые, Н. Винер высказал фундаментальное положение о том, что всякий процесс управления в природе универсален и его реализация сводится к некоторому преобразованию информации по принципу обратной связи. Это положениеприобрело методологическое обоснование в 60-х гг. ХХ в. в работах советского философа В.А. Штоффа, что позволило установить отношение между моделью и объектом в кибернетических системах, где, как выяснилось, метод моделирования приобретает еще более общий характер, чем это может дать математическое моделирование. Дело в том, что основным понятием кибернетики является информация, которая обладает метрической функцией, и, таким образом, изучение того или иного процесса переводится в плоскость математического моделирования. В связи с этим, целенаправленность и информационная сущность процессов в системе образования обуславливают объективную связь кибернетики и педагогики. По существу, реализация кибернетического подхода в системе образования означает расширение теоретических методов педагогического исследования на уровень логико-математической развитой теории. Педагогика на уровне развитой теории, кроме функции фиксации знаний, за счет логического вывода, реализует функции приращения, объяснения и предсказания знаний об исследуемом объекте.
Данный подход в образовании, получивший название квантитативная когнитология (от лат. quantitative – количественный), развит в работах В.Е. Фирстова (2010), что позволило классифицировать дидактические модели в зависимости от способа измерения информации в учебном процессе. Как показал А.Н. Колмогоров (1965), на сегодняшний день существуют три подхода к определению понятия «количество информации»:
стохастический подход: количество информации по К. Шеннону;
алгоритмический подход: количество информации по Колмогорову;
топологический подход: количество информации по Н. Рашевскому.
В 70-х гг. ХХ в. в кибернетике окончательно сформировались основные представления синергетики об открытых системах, восходящие к фундаментальным работам бельгийского физико-химика, русского эмигранта И.Р. Пригожина (1947), удостоенные Нобелевской премии по химии (1977). Основной вывод из этих работ сводится к тому, что замкнутые системы в природе – это, скорее, исключение и практически всегда рассматриваемая система контактирует с внешней средой и, таким образом, является открытой системой. По теореме И.Р.Пригожина, поведение таких объектов характерно тем, что в процессе взаимодействия с внешней средой всякая открытая система соответствующим образом структурируется (самоорганизуется), принимая некоторое динамически оптимальное состояние, фазовая конфигурация которого представляет некий консенсус между внешней средой и рассматриваемой системой.
Как выяснилось, такое поведение открытых систем носит общий характер, откуда следует центральная идея синергетики о целенаправленном характере эволюции открытых систем, частным случаем которых являются системы образования. В целом, для системы образования синергетика, все больше, выступает как важнейший методологический инструментарий, поскольку посредством целенаправленного взаимодействия в педагогическом процессе наблюдаются эффекты, управление которыми без привлечения синергетических принципов (самоорганизации и самоподобия) проблематично. В этой связи, глобальный процесс информатизации в системе образования сопровождается изменением коммуникационной среды в учебном процессе, что, расширяет возможности дидактики, но также порождает определенные проблемы психолого-педагогического свойства. Впервые, данная проблематика была рассмотрена в монографии Е.И. Машбица (1988) и ее выводы прямо указывали на необходимость создания валеологии обучения в информационно-насыщенной образовательной среде. Это требует комплексной многоуровневой и многопрофильной подготовки кадров информатизации в системе образования и приводит к необходимости реализации нового междисциплинарного научного направления – информационной культурологии, проблематикакоторой связана с формированием информационной культуры человека и общества в условиях становления информационной цивилизации (Колин К.К., Урсул А.Д., 2011).
Приведенные аргументы показывают, что кибернетические принципы управления, проводимые в рамках синергетического сценария, содержат весомый дидактический потенциал, обеспечивая формирование заданных свойств данной системы образования посредством моделирования в русле концепции квантитативной когнитологии. Это дает возможность получения такой информации о закономерностях образовательного процесса, какую не могут дать собственные понятия педагогики. Поэтому кибернетическую концепцию в образовании следует рассматривать в логике принципа дополнительности. В целом, это можно интерпретировать как расширение педагогической теории с феноменологического (описательного) уровня на уровень развитой логико-математической теории, на котором,помимо фиксации знаний, за счет логического вывода, реализуются функции приращения, объяснения и предсказания знаний об исследуемом объекте. Таким образом, происходит разрешение главного методологического противоречия, связанного с обеспечением адекватного представления образовательного процесса в условиях глобализации, сводящейся к информатизации общественных отношений.
Последний момент составляет лейтмотив предлагаемого курса лекций по квантитативной когнитологии, который адресован преподавателям и студентам педагогических специальностей вузов, а также учителям школ, специализирующихся в области образовательных ИКТ.