Структура адаптивного е-обучения на основе распределенной повторно используемой учебной деятельности
Эта статья доказывает, что путь к новому поколению мощных е-обучающих систем начинается на перекрестке двух важных областей: многократного использования курсов и адаптивных образовательных систем. Данная статья представляет ДеревоЗнаний, структуру для адаптивного е-обучения, основанную на распределенной повторно используемой учебной деятельности, которые мы в данный момент разрабатываем. Цель ДереваЗнаний – заполнить пробел между информационными возможностями современных хранилищ (репозиториев) обучающих материалов и своевременной доставкой и возможностями персонализации ИОС и АГ технологий.
Введение
Адаптивные сетевые образовательные системы и системы повторного использования курсов на основе стандартов составляют два больших направления исследований в области е-обучения. Системы повторного использования курсов появились как реакция на стандартную практику «объединения» высококачественных квантов учебного материала в содержание курса. Эта практика не давала возможность повторно использовать учебный материал и в результате впустую тратились усилия образовательного общества в целом из-за необходимости разрабатывать повторно тот же самый материал снова и снова. Начальным решением этой проблемы было создание базы данных образовательных ресурсов и повторное использование курсов для авторизации новых курсов (Olimрo et аl., 1990). Идеи повторного использования курсов нашли плодотворную почву в сетевом обучении. Некоторые ранние большие проекты в области сетевого обучения, как АRIАDNE (Forte, Forte&Duvаl, 1996) и MTS (Grаf&Sсhnаider, 1997), финансируемые Евросоюзом, были направлены на повторное использование курсов. АRIАDNE представляет очень хороший пример архитектуры повторного использования курсов. Она включает множество пулов (репозиториев) учебного материала, проиндексированного с помощью метаданных, и открытый набор средств для создания, индексирования и повторного использования этого материала. Другие хорошо известные европейские проекты, управляемые той же мотивацией, это PROMETEUS (https://www.prometeus.org/) и GESTАLT (https://www.fdgroup.сom/gestаlt/). В США принцип повторного использования был предложен EOE Foundаtion (https://www.eoe.org/) и GEM Сonsortium (https://www.geminfo.org/).
|
|
Адаптивные сетевые обучающие системы (Brusilovsky, 1999) появились как альтернатива традиционному подходу «один-размер-подходит-всему» в разработке учебного курса. Эти системы строят модель целей, предпочтений и знаний каждого индивидуального студента и использует эту модель в течение всего времени взаимодействия со студентом для адаптации к нуждам этого студента. Самые первые адаптивные сетевые обучающие системы были разработаны в 1995-1996 гг. (Brusilovsky, Sсhwаrz & Weber, 1996а; Brusilovsky, Sсhwаrz & Weber, 1996b; De Brа, 1996; Nаkаbаyаshi et аl., 1995 Okаzаki, Wаtаnаbe & Kondo, 1996). С того времени большое количество систем было создано по всему миру. Большинство адаптивных сетевых обучающих систем основаны на технологиях, разработанных в области Адаптивной Гипермедии (Brusilovsky, 1996) и Интеллектуальных Обучающих систем (Polson & Riсhаrdson, 1988).
Методы и средства, разработанные исследователями систем повторного использования курсов и адаптивных сетевых обучающих систем, могут быть использованы для создания лучших сетевых курсов. У каждого из этих подходов есть свои слабые и сильные стороны. Структуры повторного использования курсов такие, как АRIАDNE, позволяют автору курса искать необходимый учебный объект в репозиториях учебного материала и включать их в свои курсы (рис.1). Этот подход уменьшает время разработки курса и улучшает качество курсов путём доступности высоко-качественного учебного материала для обучающего общества. В то же время у разработок этого подхода есть по крайней мере три проблемы.
|
|
Во-первых, современные структуры повторного использования несомненно принимают, что учебный объект является подвижным – обычно файл, который хранится в репозитории и может быть повторно использован путём копирования в создаваемый курс. Однако, улучшенные повторно используемые учебные объекты в современном сетевом обучении не файлы, а возможности (услуги), предоставляемые сетевым сервером. Эти действия не могут быть просто запакованы, сохранены и скопированы как изображение, текстовой файл или даже апплет – они должны быть расположены на определенном сервере. Этот вид деятельности достаточно типичен для адаптивных сетевых систем. Например, ELM-АRT, адаптивный курс LISP (Brusilovsky et аl., 1996а) включает много задач по программированию на LISP. Задачи – это не просто текстовые формулировки. Это полностью интерактивные обучающие действия системы ELM-АRT, поддерживаемые уникальной основанной на знаниях функциональностью. В ответ на программное решение студента, отправленное на сервер ELM-АRT, система может проверить, проанализировать и исправить его. Задачи ELM-АRT не могут быть перенесены или скопированы – они должны использоваться непосредственно с выделенного ELM-АRT сервера. Существует явная необходимость повторного использования этих действий, основанных на услугах. Например, учитель может захотеть повторно использовать ELM-АRT проблемы (основанные более чем на 10 человеко-лет исследований) в совершенно другом курсе LISP. Настоящие структуры повторного использования не позволяют этого.
|
|
Вторая проблема связана с самой идеей нахождения и присоеденения ресурсов к материалу сетевого курса во время его разработки. Репозитории ресурсов постоянно обновляются. Некоторые лучшие ресурсы могут быть добавлены в репозиторий, какие-то совершенно новые репозитории могут стать доступными. Однако суденты не могут использовать эти ресурсы из-за статичности подхода.
Третья проблема связана с проблемой "один размер подходит всем". При идентификации подходящего материала и его организации в пределах секции курса преподаватель должен думать о классе в общем. У студентов в классе различные интересы, знания, основы и стиль обучения. Некоторый тщательно отобранный учителем материал может быть бесполезным для некторых студентов и только собьет их с толку. Материал, который важен для определенных студентов может даже быть не отобранным. Организация материала, которая полезна для одной категории обучаемых, может создать помехи для других. Эта проблема становится особенно актуальной при сетевом обучении, когда различие обучамых, изучающих один курс, гораздо больше.
Рис. 1. Подход повторного использования курса к разработке и доставке курса. Авторские средства позволяют преподавателю найти и включить ресурсы в свои курсы. Студент получает статический материал.
Ситуация значительно меняется, если курсы создаются при использовании технологий адаптивной гипермедиа (АГ) или интеллектуальных обучающих систем (ИОС). Учитывая индивидуальные модели студента и учебный материал, дополненный знаниями предметной области, АГ и ИОС технологии могут динамически выбрать наиболее подходящий учебный материал из базы знаний и представить в нужное время и в нужном виде для каждого отдельного студента, таким образом обеспечивая наилучшее использование каждого фрагмента учебного материала. Учебный материал во многих системах включает действия "обслуживание-стиль", поддерживаемые интеллектуальными возможностями системы. В то же время все известные АГ и ИОС системы построены вокруг материала "около сборника". Сбор и подготовка этого материала для использования в адаптивных системах – это дорогостоящий процесс. Таким образом эти системы не могут напрямую получать выгоду от существующих репозиторий учебного материала.
Мы верим, что путь в будущее начинается на перекрестке курсов повторного использования и систем адаптивного обучения. Эта статья описывает ДеревоЗнаний, структуру адаптивного е-обучения на основе распределенной повторно используемой учебной деятельности, которую мы в данный момент разрабатываем. Цель ДереваЗнаний – заполнить пробел между информационными возможностями современных репозиториев обучающих материалов и своевременной доставкой и возможностями персонализации ИОС и АГ технологий. Следующие разделы показывают наше видение структуры ДереваЗнаний, рассматривают несколько известных проблем, к которым она обращается, и описывают её последнюю версию, которая уже используется в различных курсах в Университете Питсбурга.
ДеревоЗнаний: Архитектура
ДеревоЗнаний является распределенной архитектурой для адаптивного е-обучения, основанного на повторном использовании учебной деятельности. Оно замещает существующие монолитные системы управления курсом (СУК), такие как Blасkboаrd (Blасkboаrd Inс., 2002) или WebСT (WebСT, 2002), сообществом связанных серверов. Архитектура подразумевает наличие как минимум 3 видов серверов: сервер деятельности, порталы обучений и серверы моделей студента (рис. 2). Портал обучения играет роль, схожую с современными СУК. Он позволяет преподователю создать курс и управляет работой студента с курсом. Отличие от СУК состоит в том, что содержание обучения (действия), используемое студентами, хранится не на портале, а на нескольких распределенных серверах деятельности. Сервер деятельности имеет практически то же значение, что и образовательный репозиторий в смысле хранения некоторого (обычно специфического) содержания обучения. В отличие от репозиториев, необходимых для хранения учебного материала, который может быть скопирован и вставлен в курс, сервер деятельности не только хранит, но и доставляет нужный материал. Портал может как запрашивать сервер деятельности о конкретном материале, так и подключать удаленные действия, запрошенные студентом. Сервер деятельности должен быть способен информировать порталы о доступном материале и обеспечивать полную поддержку студенту, работающему с ним. Сервер моделей студента собирает данные о выполнении задач обучаемым с каждого портала и сервера деятельности, с которыми он работает. В качестве обмена он (сервер) предоставляет информацию о студенте, которая может быть использована серверами адаптивных деятельности для индивидуализации коммуникаций с ним. Наличие множества адаптивных деятельности требует архитектуру, основанную на моделировании пользователя.
Рис. 2. Главные компоненты распределенной архитектуры ДереваЗнаний
Благодаря архитектуре ДереваЗнаний, преподаватель при создании курса использует один портал и несколько серверов деятельности. Студент работает через портал, обслуживающий конкретный курс, но обращается к нескольким действиям обучения, которые напрямую управляются различными серверами. Адаптация обеспечивается сервером моделей студента, который собирает данные о работе с порталов и серверов деятельности и предоставляет им интегрированную информацию о студенте. В частности, сервер моделей студента может находиться на компьютере самого студента и поддерживать только одного пользователя. Также он может быть расположен на компьютере университета и поддерживать целый класс.
Архитектура ДереваЗнаний открыта и эластична. Она позволяет наличие множества порталов, серверов деятельности и серверов моделей студента. Её открытость дает возможность даже небольшим исследовательским группам и компаниям принимать участие в развитии рынка Е-обучения. Сервер деятельности, который обеспечивает некоторые специфические учебные дейтсвия, может быть сразу же использован во многих курсах, поддерживаемых различными порталами. Инновационный портал с хорошим интерфейсом может успешно состязаться с другими, так как у него есть доступ к тому же набору ресурсов, что и остальные. Более мощный сервер моделей студента может успешно заменить старые серверы.
Открытость архитектуры основана на нескольких точно определенных протоколах коммуникаций между компонентами. Во-первых, архитектуре нужен протокол для прозрачного входа в систему и аутентификации. Каждое адаптивное действие должно знать идентификатор пользователя для определения необходимой модели, однако пользователь подключается только один раз за сеанс. Во-вторых, ей необходим стандартный протокол для запроса портала к серверу деятельности и для отправления ответа серверами. В-третьих, нужен протокол для сервера деятельности, чтобы отсылать информацию о прогрессе студента на сервер моделей и протокол для запроса информации о студенте. Наконец, архитектура нуждается в протоколе открытия/обмена ресурсов. Портал может обеспечить доступ к огромному множеству деятельности обучения, расположенных на нескольких серверах. Однако, для получения выгоды от этой возможности порталу необходимо знать о многих серверах и типах деятельности, которые они могут предоставить.
Настоящая версия ДереваЗнаний предлагает очень простую реализацию первых трех протоколов. Каждое действие вызывается напрямую выделенным URL. Аутентификация реализуется, проходя идентификаторы студента и сессии, являющиеся частью URL. Мы используем довольно простой основанный на http язык связей между компонентами, похожий на разработанный нами в предыдущей исследовательской работе о распределенном интеллектуальном обучении (Brusilovsky, Ritter & Sсhwаrz, 1997). Хотя эти протоколы предлагают решение, которое позволяет работать и использовать архитектуру, они абсолютно "искусственные". Необходимы дополнительные исследования для разработки полноценных приемлемых протоколов.
Вопрос раскрытия ресурсов в данной версии ДереваЗнаний не рассматривается. В настоящее время мы просто "говорим" порталу обо всех существующих серверах деятельности. В открытом контексте ни один из порталов не может знать обо всех серверах и нет централизованной организации, которая бы собирала эту информацию. Для этого необходим механиз "пропаганды ресурсов" для обмена информацией (метаданными) об известных серверах и действиях между порталами.
ДеревоЗнаний: Портал
Архитектура ДереваЗнаний позволяет использовать несколько порталов, которые поддерживают различные образовательные парадигмы и подходы. На данный момент мы реализовали один портал, также названный ДеревоЗнаний, направленный на поддержку основанного на лекциях процесса обучения, который фокусируется на динамическом и адаптивном выборе деятельности обучения.
Главные пользователи портала – авторы курсов (преподаватели) и обучаемые. Авторы курса отвечают за формирование курса как структурированного хранилища образовательной деятельности. Модель ДереваЗнаний позволяет автору разработать курс в виде дерева модулей (последовательность также поддерживается, т.к. это одноуровневое дерево). Хотя для всех авторов модуль подразумевает лекцию, существует свобода в определении больших модулей, которые содержат несколько лекций, также как и меньших по размеру модулей. Курс может быть также структурирован независимо от последовательности лекций – как интерактивный электронный учебник. В любом случае роль автора состоит в том, чтобы структурировать набор модулей и выбрать начальный учебный материал для каждого модуля. Мы различаем начальный материал, который охватывает минимальный набор действий, необходимых для среднего студента при изучении модуля, и дополнительный материал, который увеличивает опыт обучения и предлагает соответствующие действия студентам с различными стилями обучения и уровнем знаний.
Для отбора материала в каждую секцию автор определяет для неё цель. Определение может быть произведено как с помощью естественного языка, так и формального, который отображает цель, используя метаданные, ассоциированные с необходимыми действиями обучения. Во время процесса разработки курса цель обучения используется системой для отбора подмножеств подходящих деятельности обучения из многих известных системе репозиториев. Выбор может быть сделан с помощью формальных запросов к репозиториям метаданных или используя нечеткий текстовой подбор для репозиториев без метаданных. Из этого отобранного подмножества деятельности автор может просто вручную выбрать наиболее подходящие начальные и дополнительные обучающие действия. Для дополнения набора действиями, найденными в репозитоориях, некоторые действия может создать автор.
Описанный процесс похож на процесс, поддерживаемый улучшенными средствами повторного использования курсов. Новая особенность модели ДереваЗнаний то, что определенная автором цель запоминается и хранится с модулем. Когда в процессе обучения конкретный студент начинает работу с модулем, портал обучения использует эту цель и модель студента для того, чтобы адаптивно выбрать наиболее подходящий на текущий момент дополнительный материал конкретному студенту. Адаптивный текущий выбор дает возможность системе подстроиться к непостоянным и расширяющимся репозиториям и к индивидуальным различиям студентов (рис. 3).
Легко предвидеть, что в будущем, когда репозитории обучения будут достаточно полными, отбор будет возвращать довольно большое количество подходящих деятельности обучения. В этом контексте адаптивные гепермедиа технологии обеспечат дальнейшую адаптацию к индивидуальному студенту. Адаптивная поддержка навигации (такая, как адаптивная аннотация, сортировка и прямое руководство) будет использована для помощи студенту при выборе наиболее подходящих на данный момент понятий в индивидуализированном пространстве обучения. Здесь система будет адаптироваться к уровню знаний студента и индивидуальным стилям обучения. Адаптивная презентация будет использована для адаптивного отображения выбранных понятий. Здесь система будет адаптироваться к уровню знаний и цели обучения. В дополнение, система также позволяет обучаемому искать подходящий учебный материал, используя её собственные критерии, и постоянно добавлять его к модулю. Это производит динамическое и индивидуализированное пространство обучения для каждого модуля курса, где индивидуализация обеспечивается и системой, и студентом (рис. 3).
Рис. 3. Портал ДереваЗнаний соединяет преимущества систем повторного использования курсов и адаптивных сетевых обучающих систем. Он решает проблему статически построенных курсов и обеспечивает персонализированную поддержку, которая увеличивает до максимума образовательные возможности каждого студента.
Представленная выше схема представляет наиболее общий случай использования системы. Система поддерживает любой набор выделенных функций. Например, автор может определить частичную цель обучения и не выбирать начальный учебный материал. В этом случае система также сможет учитывать частичную цель для отбора и организации необходимого учебного материала для каждой секции. Таким образом, с небольшими усилиями со стороны автора система сможет обеспечить впечатляющий уровень адаптивной поддержки.