- •Введение
- •Компьютерные методы и технологии анализа и интерпретации данных
- •1.1. Методы математической статистики
- •Методы анализа для проверки исследовательских гипотез
- •Пакет для прикладного статистического анализа данных statistica
- •Одномерный и многомерный статистический анализ
- •Компьютерное моделирование в научных исследованиях
- •Понятие компьютерной модели
- •Суть компьютерного моделирования
- •. Прикладные инструментальные пакеты для решения математических задач на компьютере
- •2.4. Программные средства моделирования систем
- •2.4.1. Использование универсальных языков для компьютерного моделирования
- •2.4.2. Использование специализированных языков для компьютерного моделирования
- •2.4.3. Использование имитационных сред для компьютерного моделирования
- •2.5. Этапы компьютерного моделирования
- •Компьютерное моделирование как основа представления баз знаний
- •Визуальное моделирование для разработки программного обеспечения
- •3.1. Графовая метафора визуализации по
- •3.2. Понятие визуального моделирования
- •3.3. Средства визуального моделирования
- •3.4. Метод использования визуального моделирования sadt
- •3.5. Современные методы использования визуального моделирования
- •Case-пакеты как универсальные программные инструменты
- •Предметно-ориентированные программные инструменты
- •3.8. Эволюция средств программирования
- •4.1.2. Гост р 52657-2006. Рубрикация электронных образовательных ресурсов
- •4.2. Проблемы современного образования
- •4.3. Сферы применения информационных технологий обучения
- •4.4. Роль преподавателя в условиях применения информационных технологий
- •4.5. История развития, современное состояние и перспективы развития информационных технологий обучения
- •5. Математические модели обучения
- •5.1. Линейная модель обучения
- •5.2. Одноэлементная бинарная модель обучения
- •5.3. Модель Эстеса
- •6. Технология создания мультимедийного курса
- •6.1. Проектирование курса
- •6.2. Подготовка материалов для курса
- •6.2.1. Подготовка текстов
- •6.2.2. Подготовка статических иллюстраций
- •6.2.3. Создание мультимедиа
- •6.3. Компоновка материалов в единый программный комплекс
- •6.3.1.Пользовательский интерфейс электронного учебника
- •6.3.2. Создание локальных компонент мультимедийного курса
- •6.3.3. Создание сетевых компонент
- •6.3.4. Реализация технологии клиент-сервер
- •6.4. Использование мультимедийных курсов в учебном процессе
- •6.4.1. Особенности мультимедийных курсов по образовательным отраслям
- •6.4.2. Особенности мультимедийных курсов по видам учебной деятельности
- •6.4.3. Анализ эффективности использования мультимедиа в учебном процессе
- •6.5. Пример мониторинга процесса дистанционного обучения
- •7. Инструментальные средства для подготовки учебных комплексов
- •7.1. Конструктор дистанционных курсов eAuthor
- •7.2. Объектно-ориентированная система разработки Quest
- •7.3. Авторская система Seminar
- •7.4. Универсальная инструментальная среда stratum
- •7.5. Программный продукт lersus
- •7.6. Объектно-ориентированные инструментарии разработки ToolBook Assistant и Instructor
- •7.7. Конструктор мультимедийных приложений HyperStudio
- •7.8. Конструктор мультимедийных приложений MultiVision
- •7.9. Пакет разработки мультимедийных приложений HyperMetod
- •7.10. Инструментальная система hm-Card
- •8. Организационные аспекты применения информационных технологий обучения
- •8.1. Выбор используемых компьютерных и информационных средств обучения
- •8.2. Определение совокупности способов и приемов организации познавательной деятельности
- •8.3. Организационные особенности дистанционного образования
- •8.3.1. Личностно-ориентированный способ обучения
- •8.3.2. Структура информационно-образовательной среды
- •8.3.3. Проблемы эффективности образования в новой образовательной среде
- •8.3.4. Приоритеты и проблемы в развитии новых информационных технологий в образовании
- •5. Интеграция национальных информационных ресурсов в мировую информационную среду.
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
5. Математические модели обучения
Первые попытки моделирования процессов обучения относятся, по-видимому, к 1907 г. (Gulliksen [1934]). До настоящего времени большинство исследователей ограничивается изучением частных ситуаций обучения и развивает модели, описывающие процесс обучения в этих ситуациях. Рассмотрим один из таких подходов. В экспериментах, которые имеются в виду, используется Т-образный коридор, показанный на рис. 9. Крыса, войдя в коридор, может повернуть направо (R) или налево (L). Предположим, что мы хотим "обучить" крысу поворачивать направо и пытаемся достичь этого, поощряя ее пищей, если она поворачивает направо, и, оставляя ее без поощрения, если она поворачивает налево.
Рис. 9. Г-образный коридор
Помещая крысу в Т-образный коридор и проводя серию испытаний, мы можем изучить последовательность ее ответов (R или L) и попытаться сделать некоторые предсказания относительно этой последовательности. Аналогичные эксперименты проводились и с участием людей. Состояли они в следующем. Перед испытуемым помещается табло, где находятся две лампочки. Начинается серия испытаний. Перед каждым опытом испытуемый предсказывает, какая лампочка загорится — правая или левая.
После этого в соответствии с определенным правилом загорается одна из лампочек. Предположим сначала для простоты, что мы постоянно зажигаем правую лампочку, т.е. всегда поощряем ответ R. Как и ранее, здесь нас интересует возможность предсказания последовательности ответов или некоторых ее свойств.
5.1. Линейная модель обучения
По-видимому, простейшая модель обучения - так называемая линейная модель. Эта модель предполагает, что обучение есть бесконечный процесс, уровень обученности постоянно возрастает, но состояние полного обучения не наступает никогда.
Для построения модели положим, что pt есть вероятность правильного ответа R при испытании номер t. Тогда qi = 1 - pi есть вероятность неправильного ответа при испытании t. Испытания будем нумеровать числами 0, 1, 2,... Таким образом, первое испытание имеет номер 0. В линейной модели предполагается, что с каждый новым испытанием вероятность qi убывает, причем коэффициент убывания остается постоянным для всех испытаний. Это означает, что существует константа α, 0 < α < 1 такая, что
|
qi+1 = α qi |
(1) |
Для вероятностей pi имеем
|
pi+1 = 1 – α(1-pi) = α pi + (1- α) |
(2) |
откуда, собственно, и проистекает название линейная модель. Постоянная α называется параметром модели. Это некоторая числовая величина, конкретное значение которой необходимо знать для применения данной модели к изучению различных процессов обучения. Оценка параметра α должна быть получена на основе экспериментальных данных.
Согласно прогнозу, сделанному на основе линейной модели, имеем
|
qt = αt q0 |
(3) |
или, что то же самое,
|
pt = 1 – αt q0 |
(4) |
Постоянная q0 — второй параметр модели, ее значение необходимо также оценить на основе экспериментальных данных. Построив зависимость рi от t получим так называемую кривую обучения (рис. 10).
Рис. 10. Кривая обучения для линейной модели и одноэлементной бинарной модели (модель Бауэра)
Модель позволяет сделать вывод, что в процессе обучения мы все более и более приближаемся к совершенству, и при достаточно больших значениях t вероятность правильного ответа близка к единице. Построенную модель можно проверить, вычислив среднее число ошибок, совершаемых при t испытаниях, если число испытуемых равно к. Это среднее равно kqt, и его можно сравнить с данными эксперимента.