БЛОК ПАРАМЕТРИЧЕСКИХ КОГНИТИВНЫХ МОДЕЛЕЙ ДЛЯ СИСТЕМНОГО АНАЛИЗА ЭФФЕКТИВНОСТИ ОБМЕНА ИНФОРМАЦИЕЙ В АДАПТИВНОЙ СРЕДЕ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ
https://doi.org/10.21822/2073-6185-2017-44-3-112-125
Аннотация
Цель. Повышение эффективности функционирования информационно-образовательной среды системы автоматизированного обучения за счет реализации индивидуально ориентированного формирования знаний обучаемого с использованием адаптивной генерации разнородных образовательных воздействий на основе инновационного блока параметрических когнитивных моделей и комплекса программ для обеспечения автоматизации задач исследования.
Метод. Системный анализ и моделирование информационно-образовательной среды.
Результат. Обоснована необходимость системного анализа и повышения эффективности информационного взаимодействия между разнородными субъектами и средствами сложного технологического процесса автоматизированного формирования дистанционных знаний. Установлено, что инновационный блок параметрических когнитивных моделей является информационной основой системного анализа, содержит когнитивные модели субъекта обучения и средства обучения, каждая из которых выступает сложным репертуаром параметров (показателей), эшелонированным на ряд портретов и стратифицированным на несколько независимых множеств, расположенных на двух различных уровнях выделенной иерархии. При формализации структуры параметрической когнитивной модели применяется ряд инновационных способов представления ее структуры (моделей (метаданных): математическое исчисление с использованием кортежей на доменах (аналитическое), ориентированный граф, сочетающий теорию математических множеств (графическое) и (иерархическая) многоуровневая структурная схема. Предложенный алгоритм входит в основу разработанного автором аппарата технологии когнитивного моделирования и обеспечивает формализацию итеративной последовательности упорядоченных этапов, формирующих структуры параметрической когнитивных моделей.
Вывод. Системный анализ информационно-образовательных сред инициирует необходимость учета широкого спектра фундаментальных и прикладных направлений современной науки, а также обуславливает необходимость использования инновационного аппарата исследования. Когнитивная модель субъекта обучения позволяет характеризовать особенности первичного сенсорного восприятия, обработки, понимания содержания и последовательности разнородных информационных фрагментов на национальном или иностранном языке, которые отражают содержание конкретной дисциплины.
Об авторе
А. Н. ВетровРоссия
197376, г. Санкт-Петербург, ул. Профессора Попова, д. 5, Россия
191023, г. Санкт-Петербург, Невский пр., д. 60, Россия
инженер кафедры автоматики и процессов управления, президент ГМО «Академия когнитивных естественных наук»
Список литературы
1. Ветров А.Н. Факторы успеха в образовательной деятельности современного ВУЗа: Тенденции развития информационной среды дистанционного образования / А.Н. Ветров, Н.А. Ветров; колл.монография под ред. члена-корр. МАН ВШ И.Н. Захарова. – СПб: МБИ, 2004. – С.54-65 (148 с.).
2. Ветров А.Н. Факторы успеха в образовательной деятельности современного ВУЗа: Когнитивная модель для адаптивных систем дистанционного обучения / А.Н. Ветров, Е.Е. Котова; колл.монография под ред. члена-корр. МАН ВШ И.Н. Захарова. – СПб: МБИ, 2004. – С.65-78. (148 c.).
3. Ветров А.Н. Особенности структуры информационной среды адаптивных систем ДО / А.Н. Ветров, Н.А Ветров //Актуальные проблемы экономики и новые технологии преподавания: материалы IV междунар. науч.-практ. конф., г. С.-Петербург, 15-16 марта 2005 г. – СПб.: МБИ, 2005. – С.45-46.
4. Ветров А.Н. Информационная среда автоматизированного обучения на основе когнитивных моделей / А.Н. Ветров, Е.Е. Котова, Н.Н. Кузьмин // Известия МАН ВШ, №3(37). – М.: МАН ВШ, 2006. – 18 с.
5. Ветров А.Н. Особенности развития теории информации и информационных технологий на пороге XXI века: Монография. – М.: Деп. в РАО. – 2007. – 141с.
6. Ветров А.Н. Среда автоматизированного обучения со свойствами адаптации на основе когнитивных моделей: Монография. – М.: Деп. в РАО. – 2007. – 256 с.
7. Ветров А.Н. Методики и алгоритмы в основе технологии когнитивного моделирования / А.Н. Ветров // «Управление качеством в современном ВУЗе»: материалы V междунар. науч.-метод. конф., г. Санкт- Петербург, 21-22 июня 2007 г. – СПб.: МБИ, 2007. – С.86-89.
8. Ветров А.Н. Реализация адаптивного обучения в автоматизированной образовательной среде на основе когнитивных моделей / А.Н. Ветров // Известия СПбГЭТУ "ЛЭТИ", Вып. 1, Изд-во СПбГЭТУ "ЛЭТИ", 2007. – С.10-16.
9. Ветров А.Н. Электронный учебник на основе процессора адаптивной репрезентации информационных фрагментов в автоматизированной образовательной среде. – М.: Деп. во ВИНИТИ РАН. – 2008, ВКИТ №11, 2008 – С.38-50.
10. Ветров А.Н. Технология когнитивного моделирования в автоматизированной образовательной среде. – М.: Деп. во ВИНИТИ РАН. – 2008, Вестник РУДН №4, 2008. – С.46-42.
11. Ветров А.Н. Отчет по индивидуальной инициативной НИР «Исследование среды автоматизированного обучения со свойствами адаптации на основе когнитивных моделей» за 2003-2005 г.– СПб.: СПбГЭТУ «ЛЭТ», МБИ, СПбГУЭФ «ФИНЭК» М.: Деп. во ВНТИЦ РАН, 2005 (2006). – 451 Научно-образовательный портал «АЕТ ТКМ СФА» Ветрова А.Н. www.vetrovan.spb.ru.
12. Горелов И.Н. Разговор с компьютером. – М.: «Наука», 1987. – 255 с.
13. Лобачев С.Л., Солдаткин В.И. ДО технологии: Информационный аспект. – М., 1998. – 104 с.
14. Шенк Р. Обработка концептуальной информации. – М.: «Энергия», 1980. – 256 с.
Рецензия
Для цитирования:
Ветров А.Н. БЛОК ПАРАМЕТРИЧЕСКИХ КОГНИТИВНЫХ МОДЕЛЕЙ ДЛЯ СИСТЕМНОГО АНАЛИЗА ЭФФЕКТИВНОСТИ ОБМЕНА ИНФОРМАЦИЕЙ В АДАПТИВНОЙ СРЕДЕ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ. Вестник Дагестанского государственного технического университета. Технические науки. 2017;44(3):112-125. https://doi.org/10.21822/2073-6185-2017-44-3-112-125
For citation:
Vetrov A.N. BLOCK OF PARAMETRIC COGNITIVE MODELS FOR SYSTEM ANALYSIS OF INFORMATIONAL EXCHANGE EFFICIENCY IN AN ADAPTIVE AUTOMATED TRAINING ENVIRONMENT. Herald of Dagestan State Technical University. Technical Sciences. 2017;44(3):112-125. (In Russ.) https://doi.org/10.21822/2073-6185-2017-44-3-112-125