Expertsystemen in het onderwijs. Deskundige trainingssystemen
Samenvatting over het onderwerp:
Inhoud
Een rapport maken als databaseobject
Methoden voor het maken van een rapport
Maak een rapport
Expert- en leersystemen
Een rapport maken als databaseobject
Een rapport is een opgemaakte weergave van gegevens die op het scherm, afgedrukt of in een bestand wordt weergegeven. Ze stellen u in staat de benodigde informatie uit de database te halen en deze in een vorm te presenteren die gemakkelijk te begrijpen is, en bieden ook voldoende mogelijkheden voor het samenvatten en analyseren van gegevens.
Bij het afdrukken van tabellen en queries wordt informatie praktisch weergegeven in de vorm waarin deze is opgeslagen. Er is vaak behoefte om gegevens te presenteren in de vorm van rapporten die een traditionele uitstraling hebben en gemakkelijk te lezen zijn. Een gedetailleerd rapport bevat alle informatie uit een tabel of query, maar bevat kopteksten en is opgesplitst in pagina's met kop- en voetteksten.
Rapportstructuur in ontwerpmodus
Microsoft Access geeft gegevens uit een query of tabel weer in een rapport en voegt tekstelementen toe om het leesbaarder te maken.
Deze elementen omvatten:
Titel. Dit gedeelte wordt alleen bovenaan de eerste pagina van het rapport afgedrukt. Wordt gebruikt om gegevens uit te voeren, zoals de tekst van de rapporttitel, een datum of een verklaring van documenttekst, die één keer aan het begin van het rapport moeten worden afgedrukt. Om een rapporttitelgebied toe te voegen of te verwijderen, selecteert u de opdracht Rapporttitel/-notitie in het menu Beeld.
Pagina hoofd. Wordt gebruikt om gegevens weer te geven, zoals kolomkoppen, datums of paginanummers, afgedrukt bovenaan elke rapportpagina. Om een koptekst toe te voegen of te verwijderen, selecteert u Koptekst en voettekst in het menu Beeld. Microsoft Access voegt tegelijkertijd een kop- en voettekst toe. Om een van de kop- en voetteksten te verbergen, moet u de eigenschap Height ervan instellen op 0.
Het gegevensgebied dat zich tussen de kop- en voettekst van een pagina bevindt. Bevat de hoofdtekst van het rapport. In deze sectie worden de gegevens weergegeven die zijn afgedrukt voor elk van de records in de tabel of query waarop het rapport is gebaseerd. Om besturingselementen in het gegevensgebied te plaatsen, gebruikt u een lijst met velden en een werkbalk. Om het gegevensgebied te verbergen, moet u de eigenschap Height van de sectie instellen op 0.
Voettekst. Dit gedeelte verschijnt onderaan elke pagina. Wordt gebruikt om gegevens zoals totalen, datums of paginanummers weer te geven die onderaan elke rapportpagina worden afgedrukt.
Opmerking. Wordt gebruikt om gegevens uit te voeren, zoals conclusietekst, eindtotalen of een bijschrift, die één keer aan het einde van het rapport moeten worden afgedrukt. Hoewel de notitiesectie van het rapport zich in de ontwerpweergave onderaan het rapport bevindt, wordt deze boven de paginavoettekst op de laatste pagina van het rapport afgedrukt. Om een gebied met rapportnotities toe te voegen of te verwijderen, selecteert u de opdracht Rapporttitel/Rapportnotities in het menu Beeld. Microsoft Access voegt tegelijkertijd de titel- en commentaargebieden van een rapport toe en verwijdert deze.
Methoden voor het maken van een rapport
U kunt op verschillende manieren rapporten maken in Microsoft Access:
Constructeur
Rapportwizard
Automatisch rapport: naar kolom
Automatisch rapport: tape
Grafiektovenaar
Postetiketten
Met de wizard kunt u rapporten maken door records te groeperen. Dit is de eenvoudigste manier om rapporten te maken. Het plaatst de geselecteerde velden in het rapport en biedt zes rapportstijlen. Na voltooiing van de wizard kan het resulterende rapport worden gewijzigd in de ontwerpmodus. Met de functie Automatisch rapport kunt u snel rapporten maken en er vervolgens enkele wijzigingen in aanbrengen.
Om een automatisch rapport aan te maken, moet u de volgende stappen uitvoeren:
Klik in het databasevenster op het tabblad Rapporten en klik vervolgens op de knop Maken. Het dialoogvenster Nieuw rapport verschijnt.
Selecteer het item Autorapport: kolom of Autorapport: strip in de lijst.
Klik in het gegevensbronveld op de pijl en selecteer Tabel of Query als gegevensbron.
Klik op de OK-knop.
De wizard Automatisch rapport maakt een automatisch rapport in een kolom of strook (naar keuze van de gebruiker) en opent dit in de voorbeeldmodus, zodat u kunt zien hoe het rapport eruit zal zien als het wordt afgedrukt.
De weergaveschaal van het rapport wijzigen
Om de weergaveschaal te wijzigen, gebruikt u de aanwijzer - een vergrootglas. Om de hele pagina te zien, moet u ergens in het rapport klikken. De rapportpagina wordt op verkleinde schaal weergegeven.
Klik nogmaals op het rapport om terug te keren naar een grotere weergave. In de vergrote rapportweergave bevindt het punt waarop u hebt geklikt zich in het midden van het scherm. Gebruik de navigatieknoppen onder aan het venster om door rapportpagina's te bladeren.
Druk een rapport af
Ga als volgt te werk om een rapport af te drukken:
Klik in het menu Bestand op de opdracht Afdrukken.
Klik in het gebied Afdrukken op de optie Pagina's.
Als u alleen de eerste pagina van het rapport wilt afdrukken, voert u 1 in het veld Van en 1 in het veld Naar in.
Klik op de OK-knop.
Voordat u een rapport afdrukt, is het raadzaam om het in de voorbeeldmodus te bekijken. Om toegang te krijgen, selecteert u Voorbeeld in het menu Beeld.
Als u afdrukt met een blanco pagina aan het eind van uw rapport, zorg er dan voor dat de instelling Hoogte voor rapportnotities is ingesteld op 0. Als u afdrukt met blanco pagina's ertussen, zorg er dan voor dat de som van de formulier- of rapportbreedte en de De breedte van de linker- en rechtermarge is niet groter dan de breedte van het vel papier dat is opgegeven in het dialoogvenster Pagina-instelling (menu Bestand).
Gebruik bij het ontwerpen van rapportlay-outs de volgende formule: rapportbreedte + linkermarge + rechtermarge<= ширина бумаги.
Om de grootte van het rapport aan te passen, moet u de volgende technieken gebruiken:
wijzig de rapportbreedtewaarde;
Verklein de margebreedte of wijzig de paginarichting.
Maak een rapport
1. Start Microsoft Access. Open de database (bijvoorbeeld de onderwijsdatabase "Decan's Office").
2. Maak een AutoReport: tape, gebruik een tabel als gegevensbron (bijvoorbeeld Studenten). Het rapport wordt geopend in de voorbeeldmodus, waarin u kunt zien hoe het rapport er na afdrukken uit zal zien.
3. Schakel over naar de ontwerpmodus en bewerk en formatteer het rapport. Als u van de voorbeeldmodus naar de ontwerpmodus wilt overschakelen, klikt u op Sluiten op de werkbalk van het Access-programmavenster. Het rapport verschijnt op het scherm in de ontwerpmodus.
Bewerken:
1) verwijder de studentcodevelden in het kop- en gegevensgebied;
2) verplaats alle velden in het kop- en gegevensgebied naar links.
3) Wijzig de tekst in de paginatitel
Selecteer Studenten in de sectie Rapporttitel.
Plaats de muisaanwijzer rechts van het woord Studenten zodat de aanwijzer verandert in een verticale balk (de invoercursor) en klik op die positie.
Voer NTU "KhPI" in en druk op Enter.
4) Verplaats het bijschrift. Selecteer in de voettekst het veld =Now() en sleep dit naar de rapportkop onder de naam Studenten. De datum verschijnt onder de titel.
5) Klik op de werkbalk Rapportontwerper op de knop Voorbeeld om een voorbeeld van het rapport te bekijken.
Opmaak:
1) Selecteer de rubriek Studenten van NTU "KhPI"
2) Wijzig het lettertype, de tekenstijl en -kleur, evenals de vulkleur van de achtergrond.
3) Klik op de werkbalk Rapportontwerper op de knop Voorbeeld om een voorbeeld van het rapport te bekijken.
Stijlverandering:
Ga als volgt te werk om de stijl te wijzigen:
Klik op de werkbalk Rapportontwerper op de knop AutoOpmaak om het dialoogvenster AutoOpmaak te openen.
Klik in de lijst Rapport - AutoOpmaak-objectstijlen op Strikt en klik vervolgens op OK. Het rapport wordt opgemaakt in de strikte stijl.
Schakelt over naar de voorbeeldmodus. Het rapport wordt weergegeven in de door u geselecteerde stijl. Vanaf nu hebben alle rapporten die met de AutoReport-functie zijn gemaakt de stijl Strict totdat u een andere stijl opgeeft in het AutoOpmaak-venster.
Expert- en leersystemen
Expertsystemen zijn een van de belangrijkste toepassingen van kunstmatige intelligentie. Kunstmatige intelligentie is een van de takken van de computerwetenschappen die zich bezighoudt met de problemen van hardware- en softwaremodellering van dat soort menselijke activiteiten die als intellectueel worden beschouwd.
De resultaten van onderzoek naar kunstmatige intelligentie worden gebruikt in intelligente systemen die in staat zijn creatieve problemen op te lossen die behoren tot een specifiek vakgebied, waarvan de kennis is opgeslagen in het geheugen (knowledge base) van het systeem. Systemen voor kunstmatige intelligentie zijn gericht op het oplossen van een grote klasse van problemen, waaronder de zogenaamde gedeeltelijk gestructureerde of ongestructureerde taken (zwak formaliseerbare of niet-formaliseerbare taken).
Informatiesystemen die worden gebruikt om semi-gestructureerde problemen op te lossen, zijn onderverdeeld in twee typen:
Het maken van managementrapportages (uitvoeren van gegevensverwerking: zoeken, sorteren, filteren). Beslissingen worden genomen op basis van de informatie in deze rapporten.
Expertsystemen zijn een van de belangrijkste toepassingen van kunstmatige intelligentie. Kunstmatige intelligentie is een van de takken van de computerwetenschappen die zich bezighoudt met de problemen van hardware- en softwaremodellering van dat soort menselijke activiteiten die als intellectueel worden beschouwd.
De resultaten van onderzoek naar kunstmatige intelligentie worden gebruikt in intelligente systemen die in staat zijn creatieve problemen op te lossen die behoren tot een specifiek vakgebied, waarvan de kennis is opgeslagen in het geheugen (knowledge base) van het systeem. Systemen voor kunstmatige intelligentie zijn gericht op het oplossen van een grote klasse van problemen, waaronder de zogenaamde gedeeltelijk gestructureerde of ongestructureerde taken (zwak formaliseerbare of niet-formaliseerbare taken).
Informatiesystemen die worden gebruikt om semi-gestructureerde problemen op te lossen, zijn onderverdeeld in twee typen:
Het maken van managementrapportages (uitvoeren van gegevensverwerking: zoeken, sorteren, filteren). Beslissingen worden genomen op basis van de informatie in deze rapporten.
Het ontwikkelen van mogelijke oplossingsalternatieven. Besluitvorming komt neer op het kiezen van een van de voorgestelde alternatieven.
Informatiesystemen die oplossingsalternatieven ontwikkelen, kunnen een model of een expert zijn:
Modelinformatiesystemen voorzien de gebruiker van modellen (wiskundig, statistisch, financieel, enz.) die de ontwikkeling en evaluatie van oplossingsalternatieven helpen garanderen.
Expertinformatiesystemen zorgen voor de ontwikkeling en beoordeling van mogelijke alternatieven door de gebruiker door het creëren van systemen op basis van kennis verkregen van gespecialiseerde experts.
Expertsystemen zijn computerprogramma's die de kennis van specialisten accumuleren - experts op specifieke vakgebieden, die zijn ontworpen om aanvaardbare oplossingen te verkrijgen in het proces van informatieverwerking. Expertsystemen transformeren de ervaring van experts op een bepaald kennisgebied in de vorm van heuristische regels en zijn bedoeld voor raadpleging van minder gekwalificeerde specialisten.
Het is bekend dat kennis in twee vormen bestaat: collectieve ervaring en persoonlijke ervaring. Als een vakgebied wordt vertegenwoordigd door collectieve ervaring (bijvoorbeeld hogere wiskunde), dan heeft dit vakgebied geen expertsystemen nodig. Als op een vakgebied het grootste deel van de kennis de persoonlijke ervaring is van specialisten van hoog niveau en deze kennis zwak gestructureerd is, dan heeft een dergelijk gebied expertsystemen nodig. Moderne expertsystemen hebben brede toepassing gevonden in alle domeinen van de economie.
De kennisbasis vormt de kern van het expertsysteem. De transitie van data naar kennis is een gevolg van de ontwikkeling van informatiesystemen. Databases worden gebruikt om gegevens op te slaan, en kennisbanken worden gebruikt om kennis op te slaan. Databases slaan in de regel grote hoeveelheden gegevens op tegen relatief lage kosten, terwijl kennisbanken kleine maar dure informatiesets opslaan.
Een kennisbank is een geheel van kennis dat wordt beschreven met behulp van de geselecteerde presentatievorm. Het vullen van de kennisbasis is een van de moeilijkste taken, die verband houdt met de selectie van kennis, de formalisering en interpretatie ervan.
Het expertsysteem bestaat uit:
kennisbank (als onderdeel van het werkgeheugen en een regelsbank), ontworpen voor het opslaan van initiële en tussenliggende feiten in het werkgeheugen (ook wel een database genoemd) en het opslaan van modellen en regels voor het manipuleren van modellen in de regelsbank
probleemoplosser (tolk), die zorgt voor de implementatie van een reeks regels voor het oplossen van een specifiek probleem op basis van feiten en regels die zijn opgeslagen in databases en kennisbanken
Het uitlegsubsysteem stelt de gebruiker in staat antwoorden te krijgen op de vraag: "Waarom heeft het systeem deze beslissing genomen?"
een subsysteem voor kennisverwerving dat is ontworpen om zowel nieuwe regels aan de kennisbasis toe te voegen als bestaande regels te wijzigen.
gebruikersinterface, een reeks programma's die de dialoog van de gebruiker met het systeem implementeren in de fase van het invoeren van informatie en het verkrijgen van resultaten.
Expertsystemen verschillen van traditionele gegevensverwerkingssystemen doordat ze doorgaans gebruik maken van symbolische representatie, symbolische gevolgtrekking en heuristisch zoeken naar oplossingen. Voor het oplossen van zwak formaliseerbare of niet-formaliseerbare problemen zijn neurale netwerken of neurocomputers veelbelovender.
De basis van neurocomputers bestaat uit neurale netwerken - hiërarchisch georganiseerde parallelle verbindingen van adaptieve elementen - neuronen, die op dezelfde manier zorgen voor interactie met objecten uit de echte wereld als het biologische zenuwstelsel.
Er zijn grote successen geboekt bij het gebruik van neurale netwerken bij het creëren van zelflerende expertsystemen. Het netwerk is geconfigureerd, d.w.z. trainen door alle bekende oplossingen erdoorheen te halen en de vereiste antwoorden aan de uitgang te bereiken. De opstelling bestaat uit het selecteren van de parameters van de neuronen. Vaak maken ze gebruik van een gespecialiseerd trainingsprogramma dat het netwerk traint. Na training is het systeem klaar voor gebruik.
Als in een expertsysteem de makers ervan kennis in een bepaalde vorm vooraf laden, dan is het in neurale netwerken zelfs voor de ontwikkelaars onbekend hoe kennis in zijn structuur wordt gevormd tijdens het proces van leren en zelfleren, dat wil zeggen: het netwerk is een ‘black box’.
Neurocomputers zijn als kunstmatige-intelligentiesystemen veelbelovend en kunnen in hun ontwikkeling eindeloos worden verbeterd. Momenteel worden kunstmatige intelligentiesystemen in de vorm van expertsystemen en neurale netwerken op grote schaal gebruikt bij het oplossen van financiële en economische problemen.
| " |
Nesterov AV, Timchenko VV, Trapitsyn S.Yu Informatiepedagogische technologieën. Educatieve en methodologische handleiding, – St. Petersburg: Uitgeverij “Book House” LLC, 2003 – 340 p.
Expertsystemen in het onderwijs. Vier ontwikkelingsproblemen
En het is niet het uniform dat gewaardeerd wordt bij aardappelen,
en de interne inhoud
Expertsystemen (ES) zijn gebaseerd op het gebruik van elementen van kunstmatige intelligentie en worden gebruikt in geautomatiseerde onderwijssystemen om de kwaliteit van het onderwijs te verbeteren door het leerproces te automatiseren en de efficiëntie te vergroten door de leraar te bevrijden van routinematig werk.
Het grootste nadeel van bestaande elektronische leermiddelen is het gebruik van onontwikkelde primitieve vormen van dialogische communicatie met de gebruiker. De overgang van een primitieve dialoog, zoals een ‘menu’, naar een dialoog in een ‘natuurlijke’ taal, naar een dialoog ‘vanuit een stem’, vereist het gebruik van expertsystemen.
Tegenwoordig bestaat er geen duidelijke definitie van de term ‘expertsysteem’. De meest algemene definitie: een ES is een kunstmatig systeem dat een menselijke expert op een bepaald vakgebied effectief kan vervangen. Geautomatiseerde informatiesystemen die gericht zijn op het met voldoende kwaliteit oplossen van problemen op een specifiek vakgebied zijn expert te noemen.
ES is bedoeld om de combinaties van kennis, ervaring, vaardigheden en intuïtie van gekwalificeerde specialisten beschikbaar te maken. ES in combinatie met een complex van educatieve informatie, in tegenstelling tot bestaande geautomatiseerde trainingen, is een fundamenteel nieuwe richting voor het vergroten van de didactische effectiviteit van software en methodologische complexen die controle en beheer van het leerproces implementeren. Dit verschil ligt in de mogelijkheid van intellectuele ondersteuning voor studenten met verschillende niveaus van voorbereiding. Deze mogelijkheid is te danken aan de aanwezigheid van een kennisbank.
Soorten taken waarbij het raadzaam is om ES te gebruiken:
beheer van het leerproces, rekening houdend met de individuele paraatheid van de student, zijn individuele kenmerken;
diagnostiek en voorspelling van de kwaliteit van de assimilatie van vakinformatie en de vorming van veranderingen in de volgorde van presentatie van educatief materiaal;
het op peil houden van het professionele niveau van de student op een bepaald vakgebied;
Lees ook:
|
Expert systeem is een computersysteem dat gebruik maakt van de kennis van een of meer experts, gepresenteerd in een of andere formele vorm, evenals van de logica van de besluitvorming door een menselijke expert bij moeilijke of niet-formaliseerbare taken.
In een moeilijke situatie (met een gebrek aan tijd, informatie of ervaring) zijn expertsystemen in staat gekwalificeerd advies (advies, hints) te geven dat een specialist (in ons geval een leraar) helpt een weloverwogen beslissing te nemen. Het hoofdidee van deze systemen is om de kennis en ervaring van hooggekwalificeerde specialisten op een bepaald vakgebied te gebruiken voor minder hooggekwalificeerde specialisten op hetzelfde vakgebied bij het oplossen van problemen die zich voor hen voordoen. Merk op dat ervaren methodologen gewoonlijk hooggekwalificeerde specialisten in de pedagogiek worden genoemd. Doorgaans worden expertsystemen gecreëerd in beperkte vakgebieden.
Expertsystemen vervangen niet een specialist, maar zijn zijn adviseur, een intellectuele partner. Een serieus voordeel van een expertsysteem is dat de hoeveelheid informatie die in het systeem wordt opgeslagen vrijwel onbeperkt is. Eenmaal in de machine ingevoerd, wordt de kennis voor altijd opgeslagen. Een persoon heeft een beperkte kennisbasis, en als gegevens lange tijd niet worden gebruikt, worden ze vergeten en voor altijd verloren. Nadat de eerste technologieën voor deskundigenbeoordeling waren ontwikkeld en met hun hulp de eerste serieuze resultaten waren behaald, werden de mogelijkheden voor hun praktische toepassing enorm overdreven. Het is noodzakelijk om de werkelijke mogelijkheden van het gebruik ervan correct te begrijpen. Natuurlijk kunnen niet alle bestaande problemen worden opgelost met behulp van deskundigenbeoordelingen. Hoewel het juiste gebruik van deskundige technologieën in veel gevallen de enige manier blijft om weloverwogen beslissingen voor te bereiden en te nemen.
Expertleersystemen zijn in staat het werk van een menselijke expert op een bepaald vakgebied te simuleren. Dit gebeurt als volgt: in de fase van het creëren van een systeem, gebaseerd op de kennis van experts op een bepaald vakgebied, wordt een model van de student gevormd, en tijdens het functioneren van het systeem wordt de kennis van de studenten gediagnosticeerd. , fouten en moeilijkheden in de antwoorden worden geregistreerd. Gegevens over de kennis, vaardigheden, fouten en capaciteiten van elke leerling worden in het computergeheugen ingevoerd. Het systeem analyseert de resultaten van de onderwijsactiviteiten van elke leerling, groep of meerdere groepen, en identificeert de meest voorkomende problemen en fouten.
Expertsystemen omvatten het volgende subsystemen: kennisbank, informatie-uitvoermechanisme, intelligente interface en uitlegsubsysteem. Laten we deze subsystemen in meer detail bekijken.
Kennis basis in dit geval bevat het een formele beschrijving van de vakkennis, gepresenteerd in de vorm van een reeks feiten en regels.
Inferentie-engine of oplosser is een blok dat een programma is dat een voorwaartse of achterwaartse redeneerketen implementeert als algemene strategie voor het construeren van een conclusie. Expertleersystemen kunnen worden gebruikt als middel om kennis te presenteren en een dialoog tussen de gebruiker en het systeem te organiseren, die op verzoek van de gebruiker de redenering kan presenteren bij het oplossen van een bepaald onderwijsprobleem in een vorm die aanvaardbaar is voor de gebruiker. student.
Door het gebruiken van intelligente interface Het expertsysteem stelt vragen aan de gebruiker en geeft de getrokken conclusies weer, meestal in symbolische vorm.
Het belangrijkste voordeel van expertsystemen ten opzichte van een menselijke expert is de afwezigheid van een subjectieve benadering, die inherent kan zijn aan sommige experts. Dit komt in de eerste plaats tot uiting in de mogelijkheid om te gebruiken uitleg systemen voortgang in het proces van het oplossen van een probleem of voorbeeld. Deskundige beoordelingstechnologieën maken het mogelijk om aanbevelingen voor leerlingen en algemene gegevens voor docenten te genereren. Met de gegevens die door het systeem worden verkregen, kunnen leraren de secties identificeren die studenten slecht beheersen, de redenen voor het verkeerd begrijpen van het educatieve materiaal bestuderen en deze elimineren.
Op het gebied van onderwijs kunnen dergelijke systemen niet alleen worden gebruikt om educatief materiaal te presenteren, maar ook om kennis, vaardigheden en vaardigheden te controleren en om het oplossen van problemen op docentniveau te ondersteunen. In dit geval voert het systeem stapsgewijze monitoring uit van de juistheid van de voortgang bij het oplossen van het probleem. Bij het monitoren van kennis, vaardigheden en vaardigheden diagnosticeert het systeem het niveau van beheersing van het onderwijsmateriaal. De student krijgt de vrijheid om het tempo van werken met het systeem en het leertraject te kiezen.
Laten we benadrukken fundamentele didactische vereisten voor deskundige onderwijssystemen.
1. Niet alleen rekening houden met het opleidingsniveau (laag, gemiddeld, hoog) en het niveau van assimilatie (herkenning, algoritmisch, heuristisch, creatief), maar ook met de psychologische kenmerken en persoonlijke voorkeuren van de student. Bijvoorbeeld: keuze van een bedieningsmodus, werktempo, schermontwerp, interactieve interactiemogelijkheden.
2. Het bieden van maximale vrijheid bij het kiezen van het antwoord op vragen, evenals de mogelijkheid tot hulp of hints.
3. Realisatie van de mogelijkheid om uitleg te krijgen over de opportuniteit van een bepaalde beslissing, om uitleg te krijgen over de acties van het systeem, en om de keten van regels te reproduceren die door het systeem worden gebruikt. Het systeem moet fouten in de redenering van de gebruiker registreren en onthouden, zodat hij er op elk moment op kan terugkomen. Fouten moeten worden gediagnosticeerd en de hulp aan de gebruiker moet adequaat zijn bij deze fouten.
De effectiviteit van het gebruik van een experttrainingssysteem hangt af van de volgende factoren.
1. De ervaring van een deskundige of een groep deskundigen wiens algemene kennis en ervaring de basis vormen voor de werking van het systeem.
2. Technische mogelijkheden van ICT-hulpmiddelen die in het onderwijsproces worden gebruikt.
3. Kwaliteiten van specifieke software.
4. De mate van praktische implementatie van gepersonaliseerd leren op basis van de keuze van individuele leerinvloeden.
Onder intelligent trainingssysteem het is gebruikelijk om een complex van organisatorisch, methodologisch, informatief, wiskundig en softwarematig te bedoelen. Dit concept moet echter ook de ‘menselijke’ componenten van dit systeem omvatten, namelijk de leerling en de leraar. In dit opzicht moet een intelligent onderwijssysteem worden beschouwd als een complex mens-machinesysteem dat op een interactieve manier opereert in het leerling-systeem-leraar-schema. Het is gebruikelijk om dergelijke systemen op een specifiek vakgebied te richten.
Intelligente leersystemen bestaan uit twee delen: het hoofddeel, dat educatieve informatie (educatieve inhoud) omvat, en het aanvullende deel, dat intelligente controle van het onderwijsproces implementeert.
Structuur van het intelligente trainingssysteem:
Het grootste deel van het programma bestaat uit de volgende modules: informatie, modellering, berekening, controle. Het grootste deel van het systeem omvat verschillende soorten educatieve informatie: tekst, tabellen, afbeeldingen, animaties, videoclips. De tekst kan actieve vensters bevatten waarmee de gebruiker dieper het scherm in kan gaan, een willekeurig traject van de ene sectie naar de andere kan volgen, zijn aandacht kan concentreren op de noodzakelijke informatie, en een willekeurige keuze kan maken over de volgorde van kennismaking met de informatie.
Informatiemodule omvat een database en kennisbank voor educatieve doeleinden. De database bevat educatief, informatief, informatie- en referentiemateriaal, een lijst van studenten, academische prestaties, enz. Bij het creëren van een kennisbank is het mogelijk om het volledige scala aan mogelijkheden van multimedia-, hypermedia- en telecommunicatietechnologieën te gebruiken.
IN simulator bevat computermodellen (simulatie van computerbediening, visualisatie van gegevensoverdracht via computernetwerken, enz.). Met computermodellering kunt u verschillende soorten verschijnselen en processen visualiseren die niet direct kunnen worden waargenomen. Door met computermodellen te werken, kunt u de tijd voor het voorbereiden en uitvoeren van complexe experimenten aanzienlijk verkorten, de belangrijkste zaken benadrukken en interessant wetenschappelijk onderzoek organiseren. De mogelijkheid om een experiment vele malen te herhalen stelt studenten in staat de vaardigheden te verwerven om de resultaten van een experiment te analyseren, het vermogen te ontwikkelen om de verkregen resultaten te generaliseren en conclusies te formuleren. De student heeft de mogelijkheid om specifieke gevallen te bestuderen op basis van algemene wetten, of Omgekeerd, als resultaat van het bestuderen van bepaalde wetten, een algemene wet of patroon vaststellen.
Rekenmodule ontworpen om verschillende berekeningen te automatiseren.
Controle Module bevat vragen, taken en oefeningen die zijn ontworpen om de kennis van studenten te controleren.
Het hulpdeel zorgt voor de “intelligente” werking van het systeem. Hier worden het trainingsvolgordeschema, de mechanismen voor het aanpassen van het systeem aan een specifiek leerobject en de middelen voor intellectuele analyse van de omvang en structuur van de kennis die nodig is voor het organiseren en beheren van het onderwijsproces vastgelegd. Bovendien omvat het hulpgedeelte een subsysteem voor intelligente besturing van het onderwijsproces, dat een interactieve dialoog tussen de gebruiker en het systeem implementeert; een controle- en diagnosemodule waarmee u de parameters van het trainingsonderwerp kunt berekenen en evalueren om de onderwijsinvloeden, de optimale strategie en tactieken van training in elke fase van de les te bepalen; het uitvoeren van onderzoek naar het niveau van kennis, vaardigheden, vaardigheden, juistheid van het oplossen van verschillende soorten problemen, statistische verwerking van controleresultaten en foutdiagnose. De controlereactie van het systeem wordt in de regel bepaald door de antwoorden van de student op controlevragen. De natuurlijke vereiste hier is om de discrepantie tussen het antwoord van de student en de informatie die aan hem wordt doorgegeven tot een minimum te beperken. Het systeem houdt de voortgang van de leerlingen tijdens de fasen van de les in de gaten en geeft deze informatie weer op de computer van de docent.
De docent werkt nauw samen met het systeem, krijgt er informatie van over de voortgang van het leerproces, stuurt aanvragen en brengt wijzigingen in het programma door. Wijzigingen doorvoeren is alleen mogelijk als het systeem open is, dan moet het over een servicemodule beschikken. Het is deze module waarmee de docent de nodige wijzigingen en toevoegingen aan het systeem kan aanbrengen. Elk van de modules is autonoom, dus wanneer er wijzigingen worden aangebracht in een van de modules, verandert de inhoud van de overige modules van het hoofdonderdeel niet.
Een intelligent onderwijssysteem kan niet alleen in de lessen worden gebruikt, maar ook tijdens het onafhankelijke werk van studenten, tijdens onderzoeksactiviteiten. Opgemerkt moet worden dat systemen voor kunstmatige intelligentie worden gekenmerkt door dezelfde nadelen als systemen voor opleiding van experts, die verband houden met de moeilijkheid van praktische implementatie door het systeem van individualisering en differentiatie van training in de vorm die typerend is voor individuele training door een leraar van een specifiek vakgebied. student. Deze situatie is te wijten aan het feit dat kunstmatige intelligentie slechts vaag lijkt op sommige menselijke eigenschappen en op geen enkele manier kan worden geïdentificeerd met menselijke intelligentie.
Laten we benadrukken belangrijkste voordelen van het gebruik van een intelligent onderwijssysteem in de klas.
Docent: ontvangt betrouwbare gegevens over de resultaten van de onderwijsactiviteiten van elke individuele leerling en de klas als geheel. De betrouwbaarheid wordt bepaald door het feit dat het systeem fouten en moeilijkheden in de antwoorden van de leerling registreert, de meest voorkomende moeilijkheden en fouten identificeert, de redenen voor de foutieve handelingen van de leerling vermeldt en passende opmerkingen en aanbevelingen naar zijn computer stuurt; analyseert de acties van de student, implementeert een breed scala aan educatieve interventies, genereert taken afhankelijk van het intellectuele niveau van een bepaalde student, het niveau van zijn kennis, capaciteiten, vaardigheden, kenmerken van zijn motivatie, beheert de taakverdeling, enz.
Student In de persoon van een dergelijk systeem ontvangt hij niet alleen een leraar, maar een persoonlijke assistent bij de studie van een specifieke discipline.
De effectiviteit van intelligente onderwijssystemen is afhankelijk van het voldoen aan een aantal voorwaarden:
Mogelijkheden voor het vergaren en toepassen van kennis over de leerresultaten van elke student om individuele leerinvloeden te selecteren en het leerproces te beheren om complexe kennis en vaardigheden te vormen;
Geldigheid van criteria voor het beoordelen van het niveau van kennis, vaardigheden en capaciteiten; opleidingsniveau (laag, gemiddeld, hoog) of niveau van beheersing van de stof (herkenning, algoritmisch, heuristisch, creatief);
Mogelijkheid om het systeem aan te passen aan veranderingen in de toestand van de student (de student bevond zich op een gemiddeld niveau, maar in deze les nadert zijn kennis een hoog of, omgekeerd, een laag niveau).
De introductie van intelligente onderwijssystemen in het onderwijsproces zal de emotionele perceptie van onderwijsinformatie verbeteren; de leermotivatie vergroten door de mogelijkheid tot zelfbeheersing, een individuele, gedifferentieerde benadering van elke leerling; cognitieve processen ontwikkelen; zoeken en analyseren van verschillende informatie; voorwaarden scheppen voor de vorming van vaardigheden voor het zelfstandig verwerven van kennis.
- Specialiteit van de Hogere Attestatiecommissie van de Russische Federatie13.00.02
- Aantal pagina's 192
INVOERING
HOOFDSTUK 1. COMPUTERTRAININGSSYSTEMEN IN
PROCES VAN ONDERWIJS
1.1. Kort overzicht van de implementatie van computeronderwijstechnologieën.
1.2. Expertsystemen: hun fundamentele eigenschappen en toepassingen.
1.3. Toepassing van expertsystemen in het leerproces. Deskundige leersystemen.
1.4. Het uitvoeren en analyseren van de belangrijkste resultaten van het verificatie-experiment.
1.5. Vooruitzichten voor het gebruik van expertsystemen in het onderwijsproces.
CONCLUSIES OVER HET EERSTE HOOFDSTUK
HOOFDSTUK 2. THEORETISCHE KWESTIES VAN DE BOUW
DESKUNDIGE TRAININGSSYSTEMEN
2.1. EOS-architectuur.
2.2. Vertegenwoordiging van kennis in EOS.
2.3. Leerlingmodel.
2.4. Classificatie van EOS. 89 CONCLUSIES OVER HOOFDSTUK TWEE
HOOFDSTUK 3. TRAININGSSYSTEEM GEBOUWD DOOR SOFTWARE
HET PRINCIPE VAN DE WERKING VAN DESKUNDIGE TRAININGSSYSTEMEN GEORIËNTEERD OP HET OPLOSSEN VAN PROBLEMEN OVER DE BEWEGING VAN EEN LICHAAM OP EEN HELLING
NOA VLIEGTUIG
3.1. Softwaretools die leren hoe je fysieke problemen kunt oplossen.
3.2. Constructie en werking van een trainingssysteem gebouwd op het principe van de werking van expert-trainingssystemen, gericht op het oplossen van problemen met betrekking tot de beweging van een lichaam op een hellend vlak.
3.3. Problemen opgelost met behulp van het ontwikkelde expert-trainingssysteem.
CONCLUSIES OVER HOOFDSTUK DRIE
HOOFDSTUK 4. EXPERIMENTEEL CONTROLEREN VAN DE METHODEN VOOR HET ONDERWIJS VAN STUDENTEN MET BEHULP VAN ONTWIKKELDE SOFTWARETOOLS
4.1. Uitvoeren en analyseren van de belangrijkste resultaten van het zoekexperiment.
4.2. Het uitvoeren en analyseren van de belangrijkste resultaten van een onderwijs- en controlepedagogisch experiment.
CONCLUSIES OVER HOOFDSTUK VIER
Aanbevolen lijst met proefschriften
Methodologie voor het gebruik van expertsystemen om het leerproces bij te sturen en de effectiviteit van docenten te beoordelen 1997, kandidaat voor pedagogische wetenschappen Snizhko, Elena Aleksandrovna
Didactische computeromgeving als onderdeel van de technologie voor het ontwikkelen van algemene vaardigheden van studenten bij het uitvoeren van experimenteel onderzoek 2002, kandidaat voor pedagogische wetenschappen Koksharov, Vladimir Leonidovich
Computertechnologie voor het voorbereiden en uitvoeren van trainingssessies 1999, kandidaat voor pedagogische wetenschappen Sedykh, Svetlana Pavlovna
Didactische specificiteit van informatietechnologieën in het onderwijsproces van de middelbare school: Gebaseerd op de stof van de cursus astronomie 2002, kandidaat voor pedagogische wetenschappen Rysin, Mikhail Leonidovich
Principes van constructie en gebruik van deskundige onderwijssystemen in de cursus "Theoretische grondslagen van computerwetenschappen" 2000, kandidaat voor pedagogische wetenschappen Kudinov, Vitaly Alekseevich
Introductie van het proefschrift (onderdeel van het abstract) over het onderwerp “Computertrainingsystemen gebouwd op het principe van de werking van experttrainingsystemen: ontwikkeling en toepassing bij het lesgeven in het oplossen van fysieke problemen. taken"
Traditioneel worden het leerproces in het algemeen en het proces van het lesgeven in de natuurkunde in het bijzonder als tweerichtingsverkeer beschouwd, inclusief de activiteiten van de leraar en de leerlingen. Het actieve gebruik van computers in het onderwijsproces maakt het tot een volwaardige derde partner in het leerproces. Computers bieden vrijwel onbeperkte mogelijkheden voor de ontwikkeling van het onafhankelijke creatieve denken van studenten, hun intelligentie, evenals de onafhankelijke creatieve activiteit van studenten en docenten.
Het actieve werk om nieuwe vormen en methoden van lesgeven te vinden begon in de jaren zestig. Onder leiding van academicus A.I. Berg organiseerde en voerde werkzaamheden uit op het gebied van geprogrammeerde training, de introductie van technische leermiddelen en onderwijsmachines. Geprogrammeerde training was de eerste stap op weg naar het verbeteren van leeractiviteiten. Diepgaand onderzoek naar de theorie en praktijk van geprogrammeerd leren werd uitgevoerd door V.P. Bespalko, G.A. Bordovsky, B.S. Gershunsky, VA Izvozchikov, E.I. Mashbits, D.I. Penner, AI Raev, V.G. Razumovsky, N.F. Talyzina en anderen.
De kwesties van effectief gebruik van computers in het onderwijsproces en onderzoek naar de ontwikkeling van effectieve methoden en middelen voor computertraining blijven vandaag de dag relevant. In binnen- en buitenland wordt relevant werk op dit gebied verricht. Er bestaat echter nog geen uniforme visie op het gebruik van computertechnologie in het onderwijs.
De beginperiode van het gebruik van computers in het leerproces wordt gekenmerkt als een periode van intensieve ontwikkeling van de ideeën van geprogrammeerd leren en de ontwikkeling van geautomatiseerde onderwijssystemen. Ontwikkelaars van geautomatiseerde trainingssystemen gingen uit van de veronderstelling dat het leerproces kan worden uitgevoerd via een goed georganiseerde opeenvolging van frames met trainings- en controle-informatie. De eerste experimenten met het gebruik van computers in het onderwijsproces kregen vorm in onderwijsprogramma's met een deterministisch leerscenario. Deze klasse van onderwijsprogramma's heeft de volgende nadelen: lage mate van aanpassing aan de individuele kenmerken van de student; het reduceren van de taak van het diagnosticeren van de kennis van een student tot de taak om te bepalen of zijn antwoorden tot een van de klassen van standaardantwoorden behoren; hoge arbeidskosten voor het vervaardigen van educatief materiaal.
Een alternatieve benadering van het proces van automatisering van leren is het creëren van zogenaamde leeromgevingen. De leeromgeving omarmt het concept van leren door ontdekken. Het fundamentele verschil tussen deze benadering en de hierboven besproken benadering is dat de leerling in dit geval wordt behandeld als een soort autonoom systeem dat zijn eigen doelen kan bereiken. Deze klasse van onderwijsprogramma's wordt gekenmerkt door de volgende kenmerken: de leeromgeving voorziet de leerling van onderwijsmateriaal en andere middelen die nodig zijn om het onderwijsdoel te bereiken dat hem door de leraar of door hemzelf is gesteld; gebrek aan controle over de acties van de leerling door het systeem. Het voornaamste doel van de leeromgeving is het creëren van een gunstige, ‘vriendelijke’ omgeving of ‘wereld’, waardoor de leerling ‘reist’ en kennis opdoet.
Onderzoek op het gebied van de denkpsychologie, vooruitgang op het gebied van kunstmatige intelligentie en programmeertechnologieën hebben de reikwijdte van de computer in het onderwijsproces vergroot en het mogelijk gemaakt om nieuwe concepten voor de intellectualisering van computerleren in de praktijk te testen.
De sterke toename van de hoeveelheid informatie in het onderwijsproces stelt nieuwe eisen aan de cybernetische benadering van lesgeven, en daarmee ook aan pedagogische software. Ze moeten helpen het hoofdprobleem effectief op te lossen: het beheren van het leerproces met behulp van feedback op basis van een gedetailleerde diagnose van de kennis van studenten, het identificeren van de redenen voor hun fouten, en tegelijkertijd het uitleggen van de door de computer voorgestelde oplossing voor het leerprobleem. De genoemde kenmerken worden in de eerste plaats het meest effectief geïmplementeerd door trainingssystemen die zijn gebouwd op het principe van de werking van experttrainingssystemen, die de relevantie van de theoretische en praktische studie van dit probleem bepalen.
De introductie van expertsystemen in het onderwijsproces is een natuurlijke, logische voortzetting van de automatisering van het onderwijs, de kwalitatief nieuwe fase ervan, die de basis legt voor de informatisering van het onderwijs. Dit proces werd mogelijk dankzij diepgaand onderzoek door wetenschappers en docenten naar de kwesties van de automatisering van het onderwijs. Gezien het feit dat het gebruik van expertsystemen om problemen in de natuurkunde op te lossen positieve resultaten heeft opgeleverd, is onderzoek naar de ontwikkeling en toepassing van expertsystemen niet alleen relevant in wetenschappelijke maar ook in pedagogische activiteiten, waaronder het lesgeven in natuurkunde.
Het gebruik van trainingsprogramma's die zijn gebaseerd op het principe van de werking van experttrainingssystemen in het leerproces zal een nieuwe kwalitatieve sprong voorwaarts in het onderwijs opleveren. De introductie ervan in de onderwijspraktijk zal het mogelijk maken om: de stijl van lesgeven te veranderen, door deze te veranderen van informatief en verklarend naar cognitief, educatief en onderzoek; de tijd die nodig is om de noodzakelijke kennis te verwerven, te verminderen.
Het doel van de studie is het proces van het onderwijzen van natuurkunde.
Het onderwerp van het onderzoek is het proces van het leren oplossen van problemen in de natuurkunde met behulp van een onderwijssysteem dat is gebouwd op het principe van de werking van expert-leersystemen, en de vorming van een algemene manier om problemen bij studenten op te lossen.
Het doel van het werk was het ontwikkelen en creëren van een onderwijssysteem gebaseerd op het principe van de werking van deskundige leersystemen, gericht op het oplossen van fysieke problemen van een bepaalde klas, en het bestuderen van de mogelijkheid om een algemene oplossingsmethode te ontwikkelen voor studenten bij het leren problemen in de natuurkunde oplossen met behulp van gegevens uit speciaal ontwikkelde pedagogische softwaretools.
De onderzoekshypothese is als volgt: de introductie in het leerproces van onderwijssystemen die zijn gebouwd op het principe van de werking van deskundige onderwijssystemen zal leiden tot effectiever leren door studenten van de algemene methode voor het oplossen van problemen in de natuurkunde, wat hun academische prestaties zal verbeteren. , verdiepen hun kennis van de natuurkunde en zullen bijdragen aan het verbeteren van de kwaliteit van de kennis over het onderwerp dat wordt bestudeerd.
Op basis van de geformuleerde hypothese werden, om het doel van het onderzoek te bereiken, de volgende taken gesteld en opgelost:
Analyse van moderne methoden en middelen voor het ontwikkelen van educatieve programma's. Focussen op zaken die overeenkomen met de doelstellingen van het werk;
Onderzoek naar de mogelijkheden om een computer te gebruiken om de ontwikkeling van een gemeenschappelijke manier van problemen oplossen bij studenten te implementeren;
Ontwikkeling van de structuur en principes voor het construeren van een trainingssysteem, gebouwd op het principe van de werking van experttrainingsystemen, gericht op het oplossen van fysieke problemen van een bepaalde klasse;
Het testen van de voorgestelde onderzoekshypothese, het beoordelen van de effectiviteit van de ontwikkelde methodologie, het ontwikkelen van pedagogische software tijdens het pedagogisch experiment.
Om de problemen op te lossen zijn de volgende onderzoeksmethoden gebruikt:
Theoretische analyse van het probleem op basis van de studie van pedagogische, methodologische en psychologische literatuur;
Vragenlijsten en enquêtes onder leerlingen, studenten, docenten van scholen en universiteiten;
Het bestuderen van het proces van het leren oplossen van problemen en de ontwikkelde methodologie tijdens het bezoeken en geven van natuurkundelessen, het observeren van studenten, het praten met docenten, het afnemen en analyseren van tests, het testen van studenten;
Een pedagogisch experiment plannen, voorbereiden, uitvoeren en de resultaten ervan analyseren.
De wetenschappelijke nieuwigheid van het onderzoek bestaat uit:
Ontwikkeling van een trainingssysteem gebaseerd op het principe van de werking van experttrainingsystemen, gericht op het oplossen van een bepaalde klasse van problemen in de natuurkunde;
Theoretische en praktische onderbouwing van de mogelijkheid om bij leerlingen een algemene manier van probleemoplossing te ontwikkelen bij gebruik van ontwikkelde pedagogische softwaretools (een onderwijssysteem gebouwd op het werkingsprincipe van expert-leersystemen) in het leerproces;
Ontwikkeling van de grondbeginselen van een methodologie voor het gebruik van een trainingssysteem, gebouwd op het principe van de werking van experttrainingsystemen, bij het aanleren van de oplossing van fysieke problemen.
De theoretische betekenis van de studie ligt in de ontwikkeling van een aanpak voor het onderwijzen van het oplossen van problemen in de natuurkunde, die bestaat uit het implementeren van controle over de activiteiten van studenten bij het oplossen van problemen met behulp van speciaal ontwikkelde pedagogische software (een onderwijssysteem dat is gebouwd op het werkingsprincipe van expert learning). systemen).
De praktische betekenis van het onderzoek ligt in het creëren van software en methodologische ondersteuning voor natuurkundelessen (een onderwijssysteem gebouwd op het principe van de werking van deskundige onderwijssystemen), het bepalen van de rol en plaats ervan in het onderwijsproces en het ontwikkelen van de fundamenten van een methodologie. voor het gebruik van deze pedagogische softwaretools bij het geven van lessen over het oplossen van natuurkundetaken met behulp van een computer.
Ter verdediging wordt het volgende ingediend:
Rechtvaardiging van de mogelijkheid om het ontwikkelde trainingssysteem, gebouwd op het principe van de werking van experttrainingsystemen, te gebruiken bij het leren oplossen van problemen in de natuurkunde;
Ontwikkeling van een aanpak voor het beheren van de activiteiten van leerlingen door middel van speciaal ontwikkelde pedagogische software (een onderwijssysteem gebouwd op het principe van deskundige leersystemen) bij het lesgeven in het oplossen van problemen in de natuurkunde;
Grondbeginselen van de methodologie voor het gebruik van een onderwijssysteem, gebouwd op het principe van de werking van expert-leersystemen, bij het geven van lessen over het oplossen van problemen tijdens het lesgeven in de natuurkunde.
Testen en implementeren van onderzoeksresultaten. De belangrijkste resultaten van het onderzoek werden gerapporteerd, besproken en goedgekeurd tijdens bijeenkomsten van de afdeling Methoden voor Natuurkunde aan de Staatsuniversiteit van Moskou (1994-1997), op een conferentie van jonge wetenschappers (Mordovia State University, 1996-1997), op conferenties aan de Staatsuniversiteit van Moskou (april 1996).
De belangrijkste bepalingen van het proefschrift zijn terug te vinden in de volgende publicaties:
1. Gryzlov S.V. Expertleersystemen (literatuuroverzicht) // Natuurkundeonderwijs in het hoger onderwijs. M., 1996. Nr. 4. - Blz. 3-12.
2. Gryzlov S.V. Toepassing van expert-leersystemen in het natuurkundeonderwijs // Natuurkundeonderwijs in het hoger onderwijs. M., 1996. Nr. 5.-S. 21-23.
3. Gryzlov S.V., Korolev A.P., Solovjev D.Yu. Experttrainingssysteem gericht op het oplossen van een reeks problemen met betrekking tot de beweging van een lichaam op een hellend vlak // Verbetering van het onderwijsproces op basis van nieuwe informatietechnologieën. Saransk: Mordovische staat. ped. Instituut, 1996. - blz. 45-47.
4. Gryzlov S.V., Kamenetsky S.E. Veelbelovende richtingen voor het gebruik van computertechnologie in het onderwijsproces van universiteiten en scholen // Wetenschap en school. 1997. Nr. 2.-S. 35-36.
Structuur en reikwijdte van het proefschrift. Het proefschrift bestaat uit een inleiding, vier hoofdstukken, een conclusie, een lijst met referenties en een bijlage. Het totale volume bedraagt 192 pagina's getypte tekst, inclusief 25 cijfers en 8 tabellen. De referentielijst omvat 125 titels.
Soortgelijke proefschriften in het specialisme “Theorie en methodologie van training en onderwijs (per gebied en onderwijsniveau)”, 13.00.02 code VAK
Didactische voorwaarden voor het gebruik van geautomatiseerde trainingen tijdens het studeren van natuurwetenschappelijke vakken door middelbare scholieren 1999, kandidaat voor pedagogische wetenschappen Belous, Natalya Nikolajevna
Ontwikkeling van objectgeoriënteerde wiskundige en informatietechnologiesoftware voor het beheren van geïndividualiseerd leren in een correctionele school 2003, kandidaat voor technische wetenschappen Kremer, Olga Borisovna
Theoretische grondslagen voor het creëren en toepassen van didactische interactieve softwaresystemen in algemeen technische disciplines 1999, doctor in de pedagogische wetenschappen Zainutdinova, Larisa Khasanovna
Methoden voor het lesgeven van meetkunde in de groepen 10-11 van een middelbare school met behulp van een computer 2002, doctor in de pedagogische wetenschappen Mehdiev, Muradkhan Gadzhikhanovich
Geautomatiseerde pedagogische ondersteuning voor studentenacties bij het werken aan een uitgebreid programma 2002, kandidaat voor pedagogische wetenschappen Tsareva, Irina Nikolajevna
Conclusie van het proefschrift over het onderwerp “Theorie en methodologie van training en onderwijs (per gebied en onderwijsniveau)”, Gryzlov, Sergey Viktorovich
CONCLUSIES OVER HOOFDSTUK VIER
1. Op basis van de analyse van mogelijke richtingen voor het gebruik van een computer bij het lesgeven zijn de tekortkomingen van bestaande pedagogische softwaretools geïdentificeerd, de behoefte aan het creëren en gebruiken in het onderwijsproces van softwaretrainingstools gebaseerd op het principe van de werking van deskundige -leersystemen zijn onderbouwd.
2. Er is een methodologie ontwikkeld voor het geven van lessen met behulp van ontwikkelde software (een trainingssysteem gebouwd op het principe van de werking van experttrainingsystemen).
3. Tijdens het zoekexperiment werd de inhoud bepaald en werd de structuur van de ontwikkelde pedagogische softwaretools aangepast.
4. Het uitvoeren van een zoekexperiment maakte het mogelijk om de definitieve versie van de methodologie voor het geven van lessen te ontwikkelen met behulp van het ontwikkelde onderwijssysteem, gericht op het ontwikkelen bij studenten van een algemene manier om problemen op te lossen.
5. De uitgevoerde vergelijkende analyse van de resultaten van het controle-pedagogische experiment geeft de significante invloed aan van onze voorgestelde methodologie voor het geven van lessen over het oplossen van fysieke problemen met behulp van ontwikkelde pedagogische software op de vorming van een algemene methode voor het oplossen van problemen bij studenten.
De validiteit van de naar voren gebrachte hypothese over de grotere effectiviteit van onze voorgestelde methodologie voor het geven van lessen over het oplossen van fysieke problemen met behulp van ontwikkelde pedagogische softwaretools is dus bewezen in vergelijking met de traditionele.
CONCLUSIE
1. Pedagogische, methodologische en psychologische literatuur en proefschriftonderzoek naar methoden voor het gebruik van een computer in het leerproces zijn bestudeerd en geanalyseerd. Op basis hiervan is gebleken dat de meest effectieve pedagogische softwaretools onderwijsprogramma's zijn die zijn gebouwd op het principe van de werking van deskundige leersystemen.
2. Deskundige leersystemen gericht op het ontwikkelen van een gemeenschappelijke oplossingsmethode bij studenten zijn de meest effectieve manier om probleemoplossing te onderwijzen.
3. De vooruitzichten voor het gebruik van expert-leersystemen in het onderwijsproces worden bepaald, en er worden richtingen voorgesteld voor het gebruik van expert-leersystemen in het leerproces.
4. De structuur van het opleidingssysteem, gebouwd op het principe van de werking van expert-leersystemen, gericht op het ontwikkelen van een gemeenschappelijke manier om problemen bij studenten op te lossen, wordt voorgesteld en gerechtvaardigd.
5. Er is een trainingssysteem ontwikkeld, gebouwd op het principe van de werking van experttrainingsystemen, gericht op het oplossen van een reeks problemen met betrekking tot de beweging van een lichaam op een hellend vlak. Controle over de activiteiten van leerlingen tijdens het oplossen van een probleem met behulp van een ontwikkeld onderwijssysteem wordt geïmplementeerd door middel van: a) computermodellering, die het mogelijk maakt om de essentiële eigenschappen en relaties van de objecten die in het probleem worden besproken te identificeren; b) heuristische instrumenten die leerlingen de mogelijkheid bieden hun acties te plannen; c) stapsgewijze monitoring van de acties van de student door het leersysteem en presentatie, op verzoek van de student, van een referentieoplossing voor het probleem, het ontwikkelen van het vermogen om iemands acties te evalueren, en het selecteren van criteria voor deze evaluatie.
6. De methodologie voor het geven van lessen over het oplossen van problemen met behulp van ontwikkelde pedagogische softwaretools, hun rol en plaats in het onderwijsproces zijn bepaald. De belangrijkste bepalingen van deze methodologie zijn als volgt: a) de onafhankelijke keuze van taken door studenten om de algemene methode voor het oplossen van problemen van een bepaalde klasse onder de knie te krijgen; b) het gebruik van ontwikkelde pedagogische software (een trainingssysteem gebouwd op het principe van de werking van experttrainingsystemen) om een algemene manier te vormen om problemen op te lossen; c) een combinatie van het zelfstandig oplossen van problemen door elke leerling met een gezamenlijke bespreking van het oplossingsplan; d) het identificeren van een algoritme voor het oplossen van problemen van deze klasse op basis van een generalisatie van reeds opgeloste problemen.
7. De resultaten van het uitgevoerde pedagogische experiment toonden aan dat de vorming van een algemene manier om problemen op te lossen onder studenten in experimentele groepen, waar training werd uitgevoerd met behulp van ontwikkelde pedagogische software (een onderwijssysteem gebouwd op het principe van de werking van expert-leersystemen ), is aanzienlijk hoger dan in controlegroepen, waar training werd uitgevoerd met behulp van de meest voorkomende soorten computerprogramma's (simulatie en training), wat de betrouwbaarheid van de naar voren gebrachte hypothese bevestigt.
Lijst met referenties voor proefschriftonderzoek Kandidaat voor Pedagogische Wetenschappen Gryzlov, Sergey Viktorovich, 1998
1. Alekseeva E.F., Stefanyuk V.L. Expertsystemen (status en vooruitzichten) // Izvestia van de USSR Academy of Sciences. Technische cybernetica. 1984.- Nr. 5. blz. 153-167.
2. Anatsky N.M., Levin N.A., Pospelova L.Ya. Implementatie van het expertsysteem "IPILOG" / Materialen van het V All-Union Seminar "Ontwikkeling en toepassing van pc-software in het onderwijsproces": samenvatting. rapport Ordzjonikidze, 1989. - blz. 27-28.
3. Anderson J.R., Reiser B.J. LISP-leraar // In het boek. Realiteit en voorspellingen van kunstmatige intelligentie: zat. Lidwoord; rijbaan van Engels / Ed. V.L. Stefanjoek. M.: Mir, 1987. - blz. 27-47.
4. Antonyuk L.S., Cherepina I.S. Over het gebruik van actieve onderwijsmethoden in juniorcursussen // Geprogrammeerde training, 1988. - Uitgave. 25.-S. 98-101.
5. Aristova L.P. Automatisering van het leren van schoolkinderen. M.: Onderwijs, 1968. -139 p.
6. Babansky Yu.K. Lesmethoden kiezen op de middelbare school. M.: Pedagogiek, 1981. - 176 p.
7. Baykov F.Ya. Probleemgeprogrammeerde taken in de natuurkunde op de middelbare school. Handleiding voor docenten. M.: Onderwijs, 1982. - 62 p.
8. Balobashko N.G., Kuznetsov VS, Smirnov O.A. Het onderwijsproces voorzien van computerbronnen. M.: Onderzoeksinstituut voor hogere problemen. school - 1985. 44 p.
9. Bespalko V.P. Grondbeginselen van de theorie van pedagogische systemen. Voronezh: Uitgeverij van de Universiteit van Voronezh, 1977. - 304.
10. Bespalko V.P. Geprogrammeerd leren (didactische grondslagen). M., 1970. - 300 p.
11. Bobko IM Adaptieve pedagogische software. -Novosibirsk: NSU Publishing House, 1991. 101 p.
12. Bugaenko G.A., Burkova S.A. Oplossing van een probleem met verhoogde moeilijkheidsgraad // Natuurkunde op school. Nr. 4. - 1991. - Blz. 43-46.
13. Bunyaev M.M. Wetenschappelijke en methodologische grondslagen voor het ontwerpen van vertakte interactieve leersystemen: Dis. voor de graad Kandidaat-wetenschappen. ped. Wetenschap 1992. - 350 blz.
14. Vlasova E.Z. Vooruitzichten voor het gebruik van expertsystemen in het onderwijsproces // Voortgezet speciaal onderwijs. 1991. - Nr. 4. - Blz. 21.
15. Vlasova E.Z. Ontwikkeling van kennisbanken van expertsystemen voor methodologische training van natuurkundestudenten: Dis. voor de graad Kandidaat-wetenschappen. ped. Wetenschap SP-b, 1993. - 211 p.
16. Gvaramiya M. Ervaring met het ontwikkelen van computerboeken in de natuurkunde // Informatica en onderwijs. 1990. - Nr. 6. - Blz. 79.
17. Gergey T., Mashbits E.I. Psychologische en pedagogische problemen van effectief gebruik van computers in het onderwijsproces // Psychologische vragen. 1985. - Nr. 3. - Blz. 41-49.
18. Gershunsky B.S. Automatisering in het onderwijs: problemen en vooruitzichten. M.: Pedagogiek, 1987. - 264 p.
19. Glushkov V.M. Computertechnologie en besturingsactiveringsproblemen. In: De toekomst van de wetenschap. Vooruitzichten. Hypotheses. Moderne problemen. Vol. 4. - M.: Kennis, 1971.
20. Golitsina I., Narkov I. Computer in natuurkundelessen // Informatica en onderwijs. 1990. - Nr. 3. - Blz. 31.
21. Gottlieb B. Computer- en didactische ondersteuning // Informatica en onderwijs. 1987. - Nr. 4. - P. 3-14.
22. Gottlieb B. Structuur van de AOS // Informatica en onderwijs. 1987. - Nr. Z.-S. 11-19.
23. Grabar M.I., Krasnyanskaya K.A. Toepassing van wiskundige statistiek in onderwijsonderzoek. Niet-parametrische methoden. -M., Pedagogiek, 1977. 136 p.
24. Gryzlov S.V. Expertleersystemen (literatuuroverzicht) // In collectie. Natuurkunde geven op de middelbare school. Nr. 4. - M., 1996. - Blz. 312.
25. Gutman VI, Moshchansky V.N. Algoritmen voor het oplossen van problemen in de mechanica op de middelbare school: een boek voor leraren. M.: Onderwijs, 1988. -95 p.
26. Davydov V.V. Het probleem van ontwikkelingstraining: ervaring met theoretisch en experimenteel psychologisch onderzoek. M.: Pedagogiek, 1986. - 240 p.
27. Dahlinger V. Dialoogtrainingsprogramma's en vereisten daarvoor // Informatica en onderwijs. 1988. - Nr. 6. - Blz. 35-37.
28. Danowski P., Dovgyallo A.M., Kirova K.N. en anderen Geautomatiseerde onderwijssystemen gebaseerd op SPOK // Modern Higher School.-1983.-Nr. 1.-S. 171-178.
29. Denisov A.E., Bushuev S.D. Geprogrammeerde training en automatisering van het onderwijsproces aan een universiteit // Geprogrammeerde training, 1988.-Uitgave. 25.-S. 3-9.
30. Didactiek van de middelbare school: enkele problemen van de moderne didactiek. / Ed. M.N. Skatkina. M.: Onderwijs, 1982. - 319 p.
31. Driga VI, Pankov MN Over de kwestie van didactische vereisten voor de compilatie van software en pedagogische hulpmiddelen / In collectie. Computer en onderwijs / Ed. Razumovsky V.G. M.: APN USSR, 1991 -117 p.
32. Emelyanov V.V., Uchanova T.V., Yasinovsky S.I. Het gebruik van kunstmatige intelligentiemethoden in flexibele productiesystemen: een leerboek voor de cursus "Organisatiemanagement van GPS" / Ed. V.V. Emeljanova. M.: Uitgeverij MSTU, 1991. - 36 p.
33. Eslyamov SG Methoden en middelen die het effectieve gebruik van expertsystemen in het onderwijs garanderen: Samenvatting van het proefschrift voor de graad van kandidaat in de technische wetenschappen: 05.25.05. Kiev, 1993.- 16 p.
34. Jablon K., Simon J.-C. Toepassing van computers voor numerieke modellering in de natuurkunde. M.: Nauka, 1983. - 235 p.
35. Zak AZ Hoe het ontwikkelingsniveau van het denken van een leerling te bepalen. -M.: Kennis, 1982. 98 p.
36. Ibragimov O.V., Petrushin V.A. Deskundige leersystemen. -Kiev, 1989. 21 p. - (Vorige / Academie van Wetenschappen van de Oekraïense SSR. Instituut voor Cybernetica vernoemd naar V.M. Glushkov; 89-47).
37. Izvozchikov V.A. Didactische grondslagen van computeronderwijs in de natuurkunde. L.: LGPI, 1987. - 256 p.
38. Izvozchikov V.A., Zharkov I.V. Dialoog tussen een leerling en een machine // Natuurkunde op school. 1985. - Nr. 5. - Blz. 48-51.
39. Izvozchikov V.A., Revunov D.A. EVT in natuurkundelessen op de middelbare school. M.: Onderwijs, 1988. - 239 p.
40. Ilyina T.A. Pedagogiek: Hoorcolleges. Leerboek voor pedagogische studenten. universiteiten M.: Onderwijs, 1984. - 202 p.
41. Cybernetica en leerproblemen. / Ed. AI Berg. M.: Vooruitgang, 1970. - 390 p.
42. De computer krijgt intelligentie: Vert. uit Engels/Ed. B.J.I. Stefanjoek. -M.: Mir, 1990. 240 p.
43. Kondratyev A.S., Laptev V.V. Natuurkunde en computer. L.: Uitgeverij Leningrad State University, 1989. - 328 p.
44. Konstantinov A.B. Computer als theoreticus: symbolische berekeningen en principes van kunstmatige intelligentie in de theoretische natuurkunde / Experiment tentoongesteld. M.: Nauka, 1989. - P. 6-44.
45. Korzh ED, Penner DI Geprogrammeerde problemen in de natuurkunde voor klasse VIII. Vladimir: In PI, 1984. - 81 p.
46. Krug G.K., Kabanov V.A., Chernykh A.V. Instrumentele interactieve lessystemen op een microcomputer // Microprocessorapparaten en -systemen. 1987. - Nr. 3. - Blz. 29-30.
47. Kuznetsov A., Sergeeva T. Trainingsprogramma's en didactiek // Informatica en onderwijs. 1986. - Nr. 2. - Blz. 87-90.
48. Kuznetsov A. Basisprincipes van het gebruik van computers in het leerproces. / Op za. Theoretische en toegepaste problemen van de automatisering van het onderwijs. Kazan, 1988. - 184 p.
49. Lanina I.Ya. Vorming van de cognitieve interesses van studenten in natuurkundelessen. M.: Onderwijs, 1985. - 128 p.
50. Lobanov Yu.I., Brusilovsky P.L., Syedin V.V. Deskundige trainingssystemen. - M., - 56 p. - (Nieuwe informatietechnologieën in het onderwijs: overzicht, informatie /NIIVO; nummer 2)
51. Lyaudis V.Ya. Psychologische principes van het ontwerpen van interactieve leersystemen // In collectie. Psychologisch-pedagogische en psychologisch-fysiologische problemen van computertraining. M.: uitgeverij van de USSR Academie van Wetenschappen. - 1985.- 162 p.
52. Marcellus D. Expertsystemen programmeren in Turbo Prolog: Vert. van Engels M.: Financiën en Statistiek, 1994. - 256 p.
53. Maryasina ED Analyse van de juistheid van antwoorden in geautomatiseerde leersystemen met behulp van interpretatieve modellen // Besturingssystemen en machines. 1983. - Nr. 1. - P. 104-107.
54. Maslov A., Tairov O., Trush V. Fysiologische en hygiënische aspecten van het gebruik van personal computers in het onderwijsproces // Informatica en onderwijs. 1987. - Nr. 4. - Blz. 79-81.
55. Mashbits E.I. Dialoog in een onderwijsmachine. Kiev: Vishcha-school, 1989. -182 p.
56. Mashbits E.I. Automatisering van het onderwijs: problemen en vooruitzichten. M.: Kennis, 1986. - 80 p.
57. Mashbits E.I. Psychologische en pedagogische problemen van de automatisering van het onderwijs. M.: Pedagogiek, 1988. - 215 p.
58. Methodologie voor het bestuderen van het onderwerp “Elektrisch veld” in een natuurkundecursus op de middelbare school, gebaseerd op probleemgebaseerde geprogrammeerde taken:
61. Mitrofanov G.Yu. Expertsystemen in het leerproces. M.: CSTI van de burgerluchtvaart, 1989. - 32 p.
62. Michalevich V.M., Dovgyallo A.M., Savelyev Ya.M., Kogdov N.M. Deskundige leersystemen op het gebied van computerleermiddelen // Moderne Hogere School. 1988. - Nr. 1 (61). - blz. 125-136.
63. Monakhov V.M. Psychologische en pedagogische problemen bij het waarborgen van de computerkennis van studenten // Psychologische vragen. 1985.- Nr. 3. P. 14-22.
64. Morozova N.V., Ionkin V.P. Framesystemen gebruiken om de kennis van leerlingen te controleren // In het boek. Methoden en middelen voor de informatisering van opleiding en wetenschappelijk onderzoek / Moskou. eq.-st. int. M., 1992.- blz. 43-49.
65. Nevdava L., Sergeeva T. Over veelbelovende trends in de ontwikkeling van pedagogische software // Informatica en onderwijs - 1990.-nr. 6.-S. 79.
66. Nikolov B.S. Ontwikkeling van instrumenten voor het creëren van onderwijskundige expertsystemen: Dis. voor de graad Kandidaat-wetenschappen. natuurkunde en wiskunde Wetenschap M., USSR Academie van Wetenschappen, 1988. - 183 p.
67. Nilsson N. Principes van kunstmatige intelligentie / Vert. van Engels -M.: Radio en communicatie, 1985. 373 p.
68. Novikov V.N. Over één probleem met verhoogde moeilijkheidsgraad // Natuurkunde op school. Nr. 5. - 1989. - P. 124-128.
69. Novitsky L.P., Feidberg L.M. Expert-trainingssysteem voor een personal computer // In het boek: Methoden en middelen van cybernetica bij het beheren van het onderwijsproces van het hoger onderwijs: zat. wetenschappelijk tr. / Moskou ex-st. int. M.; 1992. - blz. 43-49.
70. Schoolpedagogiek. / Ed. HET. Ogorodnikova. M.: Onderwijs, 1978.-320 p.
71. Vooruitzichten voor de ontwikkeling van computertechnologie: In 11 boeken: Referentie, handleiding / Ed. Yu.M. Smirnova. Boek 2. Intellectualisering van computers / E.S. Kuzin, AI Roitman, I.B. Fominykh, G.K. Khachalin. M.: Hoger. school, 1989. - 159 p.
72. Petrushin V.A. Architectuur van deskundige leersystemen / In het boek. Ontwikkeling en toepassing van systemen voor experttraining: zat. wetenschappelijk tr. M.: NIIVSH, - 1989. - P. 7-18.
73. Petrushin V.A. Intelligente leersystemen: architectuur en implementatiemethoden (beoordeling) // Izvestia AN. Technische cybernetica, nr. 2 1993. - P. 164-189.
74. Petrushin V.A. Modellering van de kennis van de student in intelligente leersystemen // In het boek. Ontwikkeling van computeronderwijstechnologieën en hun implementatie: zat. wetenschappelijk tr. / Academie van Wetenschappen van de Oekraïense SSR. Instituut voor Cybernetica vernoemd naar. Glushkova, Kiev, 1991. - blz. 26-31.
75. Povyakel N.I. Doelvorming bij de psychologische ondersteuning van computergebruikerssoftware. M.: Uitgeverij van de Staatsuniversiteit van Moskou, 1975. -S. 79-81.
76. Popov E.V. Communicatie met een computer in natuurlijke taal. M.: Nauka.-1982. - 360 sec.
77. Popov E.V. Expertsystemen: informele problemen oplossen in dialoog met een computer. M.: Wetenschap. Ch. red. natuurkunde en wiskunde lit., 1987. - 288 p.
78. Constructie van expertsystemen. Ed. F. Heyes-Roth M.: Mir, 1987.-442 p.
79. Workshop over de ontwikkeling van pedagogische software voor middelbare scholen. / Uch. handleiding uitgegeven door V.D. Stepanova. M.: Prometheus Publishing House, 1990. - 79 p.
80. Presentatie en gebruik van kennis: Vert. uit Japans / Ed. X. Ueno, M. Ishizuka. M.: Mir, 1989.
81. Toepassing van expertsystemen in het natuurkundeonderwijs: methodologische aanbevelingen. / Comp. E.Z. Vlasova, prof., doctor in de fysische en wiskundige wetenschappen Wetenschappen V.A. Taxi chauffeur. Sint-Petersburg, 1992. - 50 p. - (Cybernetica. Pedagogiek. Educologie. / Russische Pedagogische Universiteit vernoemd naar A.I. Herzen. Uitgegeven door "Education").
82. Putieva A. Vragen over ontwikkelingstraining met behulp van computers // Vragen over psychologie. 1987. - Nr. 1. - Blz. 63-65.
83. Raev AI Psychologische problemen van geprogrammeerd leren. L.: LGPI im. Herzen, 1971. - 96 p.
84. Ontwikkeling en toepassing van systemen voor de opleiding van deskundigen. // Za. wetenschappelijk tr. M.: NIIVSH, 1989. - 154 p.
85. Revunov A.D., Izvozchikov V.A. Elektronische computertechnologie in natuurkundelessen op de middelbare school. M.: Onderwijs, 1988. - 257 p.
86. Richmond WK Leraren en machines: (Inleiding tot de theorie en praktijk van geprogrammeerd leren). M., 1968. - 278 p.
87. Savchenko N.E. Fouten bij toelatingsexamens in de natuurkunde. -Minsk, Vysheish. school, 1975. - 160 p.
88. Sergeeva T. Nieuwe informatietechnologieën en de inhoud van het onderwijs // Informatica en onderwijs. -1991. Nr. 1.
89. Sergeeva T., Chernyavskaya A. Didactische vereisten voor computertrainingsprogramma's // Informatica en onderwijs. -1986. -Nr. 1.-S. 48-52.
90. Talyzina N.F. Theoretische problemen van geprogrammeerde training. M.: Uitgeverij van de Staatsuniversiteit van Moskou, 1969. - 133 p.
91. Talyzina N.F. Beheer van het proces van kennisverwerving. M.: Uitgeverij van de Staatsuniversiteit van Moskou, 1975.-343 p.
92. Tarasov J.I.B., Tarasova A.N. Vragen en taken in de natuurkunde (analyse van typische fouten van degenen die naar de universiteit gaan). Leerzaam handleiding, 3e druk, herzien. en extra - M.: Hoger. school, 1984. - 256 p.
93. Tichomirov O.K. Psychologische structuur van de dialoog “Mens-computer” // Bulletin van de Staatsuniversiteit van Moskou. Ser. 14. Psychologie. - 1984. - Nr. 2. - Blz. 1724.
94. Usova AV, Bobrov AA Vorming van educatieve vaardigheden van studenten in natuurkundelessen. M.: Onderwijs, 1988. - 112 p. (bibliotheek voor natuurkundeleraren).
95. Usova AV, Tulkibaeva N.N. Workshop over het oplossen van fysieke problemen: leerboek. handleiding voor studenten natuurkunde en wiskunde. nep. M.: Onderwijs, 1992. - 208 p.
96. Fedoseenko M.Yu. Selectie van middelen voor kennisrepresentatie in expert-leersystemen // In het boek: Ontwikkeling en toepassing van expert-leersystemen: Sat. wetenschappelijk tr. M.: NIIVSH, 1989. - blz. 43-48.
97. Chekulaeva M.E. Gebruik van een computer als middel om het denken van studenten te ontwikkelen bij het lesgeven in natuurkunde: Samenvatting van een proefschrift voor de graad van kandidaat-pedagogische wetenschappen: 13.00.02. -M., 1995.- 17 p.
98. Mens en computerwetenschappen / Ed. V.M. Glushkova. Kiev, Naukova Dumka, 1971.
99. Mens en computertechnologie. / Onder algemeen red. V.M. Glushkova. Kiev, 1971.-294 p.
100. Sjtsjukina G.I. Activering van de cognitieve activiteit van studenten in het onderwijsproces. M.: Onderwijs, 1979. - 160 p.
101. Aiken K. Leraren en computer. Wat is het belangrijkste onderdeel? // Paper gepresenteerd op ABS (Automatisering van het onderwijssysteem) op middelbare en middelbare scholen. Instituut Koertsjatova. M., 1989, 26 mei. - P. 37-41.
102. Anderson JA Psychologie en intelligente begeleiding / Artif. Intel. en onderwijs: Proc. 4e Int. Conf. AI en Educ., Amsterdam, 24-26 mei 1989. -Amsterdam enz., 1989. P. 1.
103. Andriole S.J. De belofte van kunstmatige intelligentie // J. Syst. Beheer. -1985.-Vol. 36.-№7.-P. 8-17.
104. Bodnar Gy. A mesterseges intelligencia es a szakerforendzerek // Minosed es Megbizhatosag, 1988. Nr. 3. - P. 11-17.
105. Bork A. Leren met personal computers. Cambridge: Harper en Row, 1987. - 238 p.
106. Brown IS, Burton R.R. Diagnostische modellen voor procedurele bugs in fundamentele wiskundige vaardigheden // Cognitieve wetenschappen. 1978. - V. 2. - P. 155192.
107. Burton R.R. Diagnose van bugs in eenvoudige procedurele vaardigheden // Stagiair. J. Mens-machinestudies. 1979. - Nr. 11.
108. Cumming G., Self J. Collaboratieve intelligente onderwijssystemen / Artif. Intel. en onderwijs: Proc. 4e Int. Conf. AI and Educ., Amsterdam, 2426 mei 1989. Amsterdam etc., 1989. - P. 73-80.
109. Dutta A. Redeneren met onnauwkeurige kennis in expertsystemen // Int. Wetenschap (VERENIGDE STATEN VAN AMERIKA). 1985. - Vol. 37. - Nr. 1-3. - Blz. 3-24.
110. Elson-Cook M. Begeleide ontdekkingsbegeleiding en begrensde gebruikersmodellering // Self J. (Ed.) Kunstmatige intelligentie en menselijk leren. Intelligente computerondersteunde instructie. L.: Chapman en Hall, 1988.
111. Feigenbaum E. Over algemeenheid en probleemoplossing // Machine-intelligentie. 1971. - Nr. 6.
112. Feigenbaum EA, Mecorduck P. De 5e generatie. Addison Wesley. Massa. 1983.-226 p.
113. Goldstein I.P. De genetische grafiek: een weergave van de evolutie van procedurele kennis // Intern. J. Mens-machinestudies. 1979. -№11.
114. Murray W.R. Controle voor intelligente bijlessystemen: een op het bord gebaseerde dynamische instructieplanner / Artif. Intel. en onderwijs: Proc. 4e Int. Conf. AI en Educ., Amsterdam, 24-26 mei 1989. Amsterdam etc., 1989.-P. 150-168.
115. Newell A. Heuristisch programmeren: ongestructureerde problemen // Vooruitgang bij de verwerking van bewerkingen. New York: Wiley and Sons, 1969. - V. 3. - P. 362.414.
116. Simon H. De structuur van ongestructureerde problemen // Kunstmatige intelligentie. 1974. - V. 5. - Nr. 2. - P. 115-135.
117. Sleeman D. Enkele uitdagingen voor intelligente bijlessystemen / IJCAI 87: Proc. 10e Gezamenlijke Conf. Kunstmatig. Intel., Milaan, aug. 23-28, 1987. Blz. 11661168.
118. Sleeman D. Beoordeling van aspecten van competentie in basisalgebra // Sleeman D., Brown J.S. (eds) Intelligente begeleidingssystemen. New York: Academische Pers, 1982.
119. Souldin Y. Optimaal onderwijssysteem Illusie of realiteit? /Oost-West: Int. Conferentie "Human-Computer Interaction", Moskou, 3-7 augustus 1993: Dokl. T. 1. - M., 1993. - Blz. 59-72.
120. Tompsett SR Ontwerp van onderwijs, training en kennisbank // Expertsysteem. 1988. - V. 5. - Nr. 4. - P. 274-280.
121. Weip S. De computer op school: machine als humanizer // Symposium: Harvard Educational Review, 1989. Vol. 59. - Nr. 1. - Blz. 61.
122. Yazadani M. Gastredactie: deskundige begeleidingssystemen // Expert Syst. -1988. V. 5. - Nr. 4. - P. 271-272.
Houd er rekening mee dat de hierboven gepresenteerde wetenschappelijke teksten uitsluitend voor informatieve doeleinden zijn geplaatst en zijn verkregen via originele proefschrifttekstherkenning (OCR). Daarom kunnen ze fouten bevatten die verband houden met imperfecte herkenningsalgoritmen. Dergelijke fouten komen niet voor in de PDF-bestanden van proefschriften en samenvattingen die wij aanleveren.