Нові Internet-технології електронного навчання

14.10.2009 Кінг Лі, Віктор Лі, Елвіс Леюнг, Бенджамін Ва, Хелен Ешмен, Фредерік Лай


2009 Кінг Лі, Віктор Лі, Елвіс Леюнг, Бенджамін Ва, Хелен Ешмен, Фредерік Лай

Незважаючи на те що системи електронного навчання можуть різнитися по предметних областях і реалізацій, можна говорити про формування загальних архітектурних принципів. На малюнку представлена ​​еталонна архітектура для розробки системи електронного навчання, з якої випливає, що можна розглядати типову систему електронного навчання в Internet як розподілену, що складається з рівня Internet-інфраструктури (Internet Infrastructure Layer, IIL), рівня концепцій / моделювання (Conceptual / Modeling Layer , C / ML) і рівня додатків (Application Layer, AL).

На малюнку представлена ​​еталонна архітектура для розробки системи електронного навчання, з якої випливає, що можна розглядати типову систему електронного навчання в Internet як розподілену, що складається з рівня Internet-інфраструктури (Internet Infrastructure Layer, IIL), рівня концепцій / моделювання (Conceptual / Modeling Layer , C / ML) і рівня додатків (Application Layer, AL)

Рівень Internet-інфраструктури

Електронне навчання дозволяє студентам і викладачам отримувати доступ до широкого спектру навчальних ресурсів, незалежно від місця і часу. В рамках електронного навчання пропонуються як традиційні аудиторні види навчання, в тому числі пошук фактів і експериментування, так і додаткові, зокрема організація персоніфікованих навчальних матеріалів і швидка оцінка знань за допомогою онлайнових тестів. Якщо курс розрахований на обмежену кількість користувачів, то досить простий клієнт-серверної архітектури, але в міру збільшення числа студентів курс може зажадати реалізації великомасштабної системи електронного навчання, що включає підтримку потенційно великого числа одночасно працюючих і географічно розподілених користувачів, а також об'ємну базу даних навчальних матеріалів . Основна функціональність IIL спрямована на рішення такого роду питань масштабованості.

Розподілена серверна архітектура

У міру того, як мультимедіа все активніше починає застосовуватися в електронному навчанні, з'являється все більше навчальних матеріалів, складених з різних видів контенту, від простих текстів та зображень до складних і насичених даними відеопотоків і тривимірної геометрії. Подібні матеріали підтримують безліч додатків електронного навчання, наприклад витяг знань, моделювання та навчальні тривимірні ігри. Підтримка настільки різноманітної інформації і додатків, а також великої кількості користувачів вимагає багатосерверних систем, що надають достатню кількість обчислювальних ресурсів для забезпечення інтерактивної роботи.

Багатосерверних системи можна розділити на три типи [ 1 ]. Паралельна архітектура складається з серверів, що працюють паралельно і виконують гомогенні завдання. Додаток, обробляє реальні дані, може розподілити їх між кількома серверами. З іншого боку, проектувальник може призначити одне і те ж безліч даних програми більш ніж одного сервера для того, щоб забезпечити високу готовність системи. Розподілена архітектура складається з серверів, що виконують гетерогенні завдання, і підходить для додатків, які реалізують складні логічні або об'ємні операції. В цьому випадку система може розділити додаток на кілька підзадач і призначити їх різним серверам. Нарешті, гібридна архітектура об'єднує паралельну і розподілену архітектури, забезпечуючи і високу продуктивність обчислень, і надійність.

Системи електронного навчання часто складаються з декількох додатків, в тому числі додатків для вилучення інформації і тривимірних ігор. Перші отримують уявлення даних з файлів, що знаходяться в потенційно величезній базі документів, і використовують ці уявлення для вибору відповідної інформації, такої як матеріали курсу. У навчальних тривимірних іграх першочергова увага приділяється інтерактивним відповідей і доступності ігор для студентів. Оскільки ці додатки можуть пред'являти різні вимоги до продуктивності, провайдер сервісу може використовувати різні багатосерверних архітектури.

Витяг документів. Популярна приклад системи вилучення документів з великої бази даних - Google. Для того щоб отримання інформації було ефективним, кожен сервер використовує паралельну багатосерверних архітектуру для підтримки підколекції документів і локальний словниковий індекс. Під час вилучення документів кожен сервер паралельно з іншими знаходить відповідність введених користувачем ключових слів з індексом локального словника. Потім механізм пошуку об'єднує результати, отримані з усіх серверів, для отримання списку адекватних документів.

Розраховані на багато користувачів ігри. Розраховані на багато користувачів онлайн-ігри дозволяють віддаленим користувачам взаємодіяти в рамках спільної гри, що вимагає більш значних обчислювальних ресурсів у міру збільшення числа гравців. У подібній ситуації провайдер сервісів може використовувати паралельну архітектуру для того, щоб розподілити робоче навантаження між декількома серверами, розділивши користувачів на групи або на ігрові сцени в регіонах так, щоб їх підтримували різні сервери [ 2 ].

Мультимедіа програми та потоки. Мультимедіа програми надають користувачам різноманітну мультимедіа інформацію, і для забезпечення інтерактивності відповідей необхідно виділяти спеціальний сервер. Оскільки мультимедіа програми можуть бути складені з безлічі подпріложеній, таких як ті, що доставляють супутникові зображення, тривимірні будівельні моделі і інформацію про готелі в Google Earth, то в цьому випадку виявиться корисною гібридна багатосерверних архітектура.

Розподілені протоколи і компонентні архітектури

За останні десять років було створено безліч комерційних систем електронного навчання, таких як WebCT і BlackBoard, які тепер широко застосовуються в школах і університетах, проте треба буде розв'язати ще безліч проблем системної архітектури для того, щоб ці системи перетворилися на справжню, стійку розподілену середу електронного навчання .

Компонентні архітектури. Комерційні системи електронного навчання - потужні, інтегровані системи, які надають найважливіші функції, здатні задовольнити потреби учасників навчального процесу. Однак таким складним монолітним системам насилу вдається відповідати вимогам кожного рівня освітньої структури, а зміна суми знань в предметній області може зажадати модифікації всієї системи [ 3 ]. Перспективними можуть стати компонентні архітектури, оскільки вони дозволяють замінити монолітні системи сукупністю розподілених взаємодіючих серверів. Ці архітектури повинні надати викладачам і студентам всеосяжну, комплексну підтримку і дозволити спільноті електронного навчання повторно використовувати наявні освітні системи в якості компонентів. Відкритість і гнучкість архітектур підтримують конкуренцію між розробниками освітніх систем і змушують їх пропонувати більш якісні та інноваційні сервіси.

Альтернативне рішення може запропонувати спільнота Open Source, що створює такі системи, як Moodle , Що дозволяють інтегрувати нові можливості в існуючі системи електронного навчання з мінімальними витратами.

Розподілені протоколи. Можна реалізувати розподілені системи електронного навчання, використовуючи технологію Web-сервісів, яка в основному підтримує компонентну архітектуру за допомогою стандартизованих інструментальних засобів [ 3 ]. Наприклад, WSDL є єдина мова, що дозволяє провайдерам описувати і публікувати свої сервіси, а SOAP дає користувачам можливість викликати Web-сервіси, що переміщують дані між платформами. З іншого боку, і сервери, і навчальні ресурси вимагають використання технології програмних агентів для того, щоб забезпечити адаптивну та інтелектуальну підтримку і студентів, і викладачів. Агенти і програми можуть незалежно взаємодіяти один з одним і з користувачами. Наприклад, можна застосовувати агенти для розробки адаптивних гіпермедіа-систем (Adaptive Hypermedia, AH), які коригують процес навчання з урахуванням переваг і знань окремих студентів [4].

Навчальні ресурси з відкритим доступом. Для того щоб підтримувати відкритий доступ користувачів (студентів і програмних агентів) до навчальних матеріалів і надавати контент, яким можна обмінюватися і повторно використовувати, кілька організацій за стандартами, в тому числі Advanced Distributed Learning Initiative (www.adlnet.gov), запропонували освітні стандарти [ 5 ], Що мають особливу важливість для великомасштабних розподілених середовищ навчання. Одні стосуються опису методів зберігання навчального контенту, що забезпечують обмін інформацією між навчальними системами. Стандарти на опис навчального контенту, такі як Learning Object Metadata (LOM), підтримують репозитарії об'єктів навчання для забезпечення ефективного пошуку навчального контенту. Інші стандарти орієнтовані на підтримку інтероперабельності компонентів систем електронного навчання для їх повторного використання і заміни, наприклад, Shareable Content Object Reference Model (SCORM) об'єднує набір широко прийнятих стандартів і специфікацій для обміну і повторного використання навчальних матеріалів.

Рівень концепцій / моделювання

Рівень концепцій / моделювання утворюють інструменти високого рівня, службовці для підтримки розробки додатків електронного навчання. Призначені для користувача моделі грають важливу роль в системах електронного навчання, забезпечуючи студентам безперервність навчання, викладачам - свідоцтва прогресу студентів, тим і іншим - можливість персоніфікувати навчальні матеріали для студентів відповідно до їх здібностями та уподобаннями. Персоніфікація інформації довгий час залишалася головним рушійним мотивом розробки систем електронного навчання, породжуючи системи типу AH. Відмінності в здібностях студентів, їх досвіді, перевагах при навчанні і так далі впливає на надання інформації.

Призначені для користувача моделі застосовуються для самих різних цілей. У комерційному світі вони формують основу для рекомендують систем. Наприклад, в Amazon вони служать для виведення списку товарів, які, на думку продавців, зацікавлять конкретного покупця. Спираючись на ті ж самі методи, системи електронного навчання можуть інтегрувати досвід студентів, формуючи матеріали для групового навчання. Так, група студентів може створювати відповідний список літератури, який система буде рекомендувати іншим студентам тієї ж групи.

Призначені для користувача моделі можуть бути короткостроковими і довгостроковими. Так, Amazon реалізує короткострокові призначені для користувача моделі для анонімних користувачів, аналізуючи дані по їх покупок і відомостями, які їх цікавили на сайті, і в подальшому рекомендуючи товари з урахуванням того, що переглядав покупець. Довгострокові призначені для користувача моделі, як правило, зберігають персональну інформацію про відвідувачів, і саме ця модель широко застосовується в більшості систем електронного навчання. Зокрема, є можливість викладачам спостерігати взаємодію студентів з системою, виявляти проблемні області і в цілому стежити за успіхами студентів.

Створювати і змінювати призначені для користувача моделі можна двома різними способами [ 4 ]: Явно привласнюючи змінні користувальницької моделі (наприклад, імена студентів або можливі переваги при перегляді матеріалів) або неявно їх оновлюючи, записуючи інформацію або роблячи висновки з урахуванням даних про взаємодії студентів з системою електронного навчання. Таким взаємодією можуть бути тести, що дозволяють оцінювати, наскільки студенти засвоїли матеріал перед тим, як надати їм можливість перейти до більш складних тем. Однак при створенні моделей виникає цілий ряд проблем.

По-перше, зробити так, щоб призначені для користувача моделі могли взаємодіяти в різних системах електронного навчання, важче, ніж просто забезпечити інтероперабельність інформації, оскільки у AH-систем, крім контенту і призначених для користувача моделей, є також правила адаптації. У зв'язку з цим в свою чергу породжує безліч питань. Зокрема, що робити з невикористовуваними змінними при перенесенні користувальницької моделі в іншу систему електронного навчання (і назад); як дати можливість одержує системі застосовувати правила адаптації до імпортованої користувальницької моделі, якщо якась інформація пропущена, і як, якщо взагалі це можливо, отримує система повинна оновити призначену для користувача модель перед тим, як переслати її назад.

По-друге, призначені для користувача моделі не завжди виявляються корисні як засоби персоніфікації в системі електронного навчання. Наприклад, деякі дослідники вважають, що одним з аспектів персоніфікації інформації для студентів є стиль навчання. Вони ділять студентів на візуальних і вербальних або глобальних і послідовних, прив'язуючи інформацію, яку отримують студенти, до того, що викладач вважає прийнятним для даного стилю навчання. Однак є певні свідчення того, що прив'язка уявлення до стилів навчання неефективна, по крайней мере в рамках певної групи студентів, що навчаються в університеті [ 6 ]. Нарешті, у такого підходу є і якийсь етичний аспект. Той факт, що різним студентам інформація пропонується по-різному, можна вважати некоректним, оскільки одні не отримують доступ до матеріалів, відкритим для інших. Розумне рішення полягає в тому, щоб надати студентам можливість самим управляти своїми призначеними для користувача моделями і процесами персоніфікації.

Незважаючи на ці проблеми, призначені для користувача моделі можуть все ж виявитися корисними в системах електронного навчання. Викладачі можуть дуже швидко створювати персональний план навчання, що особливо важливо, враховуючи зростаючий розмір класів і число онлайнових курсів.

рівень додатків

Так звані інтелектуальні системи організації навчання (Intelligent Tutoring System, ITS), що ілюструють багато особливостей електронних навчальних процессорв. Найзагальніші архітектури ITS передбачають створення гарної студентської моделі, яка відображає уявлення системи про рівень знань учнів з певних тем. Більш того, така архітектура дозволяє організовувати для учнів індивідуальне викладання [ 7 ]. Для того щоб ще далі поширити загальну архітектуру ITS, вчені розробляють різні типи ITS на основі різних предметних областей, стратегій викладання та інших факторів [ 5 ].

У перших системах ITS особлива увага приділялася імітації взаємодії студента і викладача-людини. Система Scholar була створена на початку 70-х років для навчання географії Південної Америки [ 8 ]. Такі системи не користувалися особливим успіхом через технологічні труднощі при створенні адекватної комп'ютерної конфігурації, оптимізованої для оперативної відповіді на різні питання. WWW змінила педагогічні підходи до освітнього програмного забезпечення, змусивши зосереджуватися на більш простих рішеннях, які передбачають видачу інструкцій, оскільки їх легше програмувати. Інші ITS створюють складні командні стратегії, що вимагають використання великих експертних систем для формування уявлень, адаптованих до даної предметної області. Моделі уявлень включають в себе геометрію і комп'ютерне програмування.

ITS можуть оцінювати ефективність роботи студентів. Існує два основні методи оцінки: сумарні оцінки, які формально визначають, чи зміг студент домогтися поставлених навчальних цілей, і накопичуються оцінки, які допомагають студентам більш ефективно домагатися цих цілей. Ведуться суперечки про те, чи потрібно програмувати останні, оскільки дехто вважає, що студенти повинні отримувати зворотний зв'язок безпосередньо в процесі навчання. ITS повинні ефективно збирати програмовані накопичуються оцінки і відображати їх кількісно, ​​оскільки лише в цьому випадку вони будуть корисні для підтримки безпосереднього зворотного зв'язку.

ITS на базі Web успадковують більшу частину загальних особливостей архітектури ITS, таких як AH, генеруючи контент з різним рівнем деталізації відповідно до знань користувачів. Крім того, система AH може пропонувати адаптивну навігацію, надаючи користувачам допомогу у виборі найбільш адекватної посилання. Основна мета таких адаптивних методів в контексті ITS полягає в тому, щоб допомогти студентам орієнтуватися і пересуватися в гіперпросторового середовищі, збільшуючи ефективність при виконанні конкретного завдання, наприклад, «як вивчити тему».

Адаптівні и інтелектуальні освітні системи (Adaptive and Intelligent Educational System, AIES) на базі Web начали ефективного використовуват технології AH. Серед примеров - Які адмініструються через Web системи викладання з широкими можливий Вибори [ 9 ]. Три найпопулярніші методики, що використовують AIES на базі Web, - це пряма вказівка, адаптивне анотування посилань і адаптивне приховування посилань, причому деякі з них досить схожі на адаптивне управління послідовністю кроків (або динамічну навігацію). Дійсно, відмінності між прямими вказівками і адаптованим до ITS управлінням послідовністю кроків в Web-контексті поступово зникають. До тих пір поки деякі навчальні матеріали, такі як презентації або питання, представляються як набір вузлів в гіперпросторі, управління послідовністю кроків стає не відрізнятись від прямої вказівки. Яскравим прикладом тому можуть служити рішення ELM Adaptive Remote Tutor (ELM-ART), Adaptive Statistics Tutor (AST) і InterBook.

Електронне навчання в широкому сенсі (в тому числі дистанційне навчання, навчання на базі Web і навчання на базі цифрових ігор) привертає все більшу увагу і в галузі, і в сфері освіти. Для того щоб підтримати розробку успішних систем електронного навчання на відкритих платформах Internet, необхідні масштабовані технології, які дозволяють працювати з ними довільній кількості користувачів, в той же час надаючи хорошу навчальну середу. Крім технічних проблем буде виникати все більше питань (як технологічного, так і педагогічного плану), пов'язаних з розробкою та розгортанням систем електронного навчання, особливо з огляду на різноманітність і міждисциплінарну природу цієї галузі. n

література

  1. M. Norman, P. Thanisch, Models of Machines and Computation for Mapping in Multicomputers. July / August 2009, ACM Computing Surveys, vol. 25, no. 3, 1993.

  2. B. Ng et al., A Multi-Server Architecture for Distributed Virtual Walkthrough. Proc. ACM Symp. Virtual Reality Software and Technology, ACM Press, 2002.

  3. F. Lin, L. Esmahi, L. Poon, Integrating Agents and Web Services into Adaptive Distributed Learning Environments, Designing Distributed Learning Environments with Intelligent Software Agents. Lin Fuhua, ed., Idea Group, 2004.

  4. P. Brusilovsky, Adaptive Hypermedia. User Modeling and User-Adapted Interaction, Ten Year Anniversary Issue, vol. 11, 2001..

  5. B. Woolf, Building Intelligent Interactive Tutors: Student-Centered Strategies for Revolutionizing. Elearning. Morgan-Kaufmann 2009.

  6. E. Brown et al., Reappraising Cognitive Styles in Adaptive Web Applications. Proc. World Wide Web Conf., ACM Press, 2006.

  7. S. Lajoie, S. Derry, A Middle Camp for (Un) Intelligent Instructional Computing: An Introduction. Computers as Cognitive Tools, Erlbaum, 1993.

  8. M. Grignetti, C. Hausman, L. Gould, An Intelligent On-line Assistant and Tutor: NLS-SCHOLAR Proc. Nat'l Computer Conf., AFIPS Press, 1975.

  9. D. Hoole et al., A Bank of Chemistry Questions on an On-Line Server. J. Science Educational and Technology, vol. 11, no. 1, 2002.

Кінг Лі ( [email protected] ) - професор, Рінсон Лау ( [email protected] ) - ад'юнкт-професор, Віктор Лі ( [email protected] ) - ад'юнктпрофессор, Елвіс Леюнг ( [email protected] ) - керівник відділу Гонконзького університету, Бенджамін Ва ( [email protected] ) - професор університету штату Іллінойс, Хелен Ешмен ( [email protected] ) - науковий співробітник університету Південної Австралії, Фредерік Лай ( [email protected] ) - ад'юнкт-професор університету Дарема.

Qing Li, Rynson Lau, Elvis Leung, Frederick Li, Victor Lee, Benjamin Wah, Helen Ashman, Emerging Internet Technologies for E-Learning. IEEE Internet Computing July / August 2009. All rights reserved. Reprinted with permission.

SAP створює центр підбору фахівців

Компанія SAP AG запустила новий проект для членів спільноти SAP, метою якого є створення зручного каналу пошуку експертів і вакансій по всьому світу. Центр підбору фахівців як частина спільноти SAP використовує ресурси більш ніж 1,7 млн ​​співробітників для пошуку молодих талантів і професіоналів по затребуваним в компанії SAP спеціальностями. Для реалізації цих завдань використовуються оголошення в режимі онлайн, соціальні мережі, а також інтерак-тивний форум. Створення нового центру підбору фахівців створює більш ефективну середу підбору персоналу, дозволяючи кандидатам наочно продемонструвати потенційним роботодавцям свої навички в області рішень SAP. Завдяки новому центру роботодавці отримають можливість публікувати інформацію про вакантні посади, а також переглядати резюме фахівців за тими спеціальностями, які користуються попитом у процесі реалізації продукції SAP. Центр підбору фахівців SAP пропонує цілий набір послуг, включаючи розміщення інформації про вакансії протягом 60 днів, знижки при публікації великої кількості оголошень і ін. Мої друзі SAP можуть публікувати резюме безкоштовно і при цьому отримують доступ до курсів та сертифікаційних програмах SAP.

Лікнеп по роботі з персональними даними

У галузевих вузах відкрилися курси підвищення кваліфікації для фахівців сфери зв'язку та масових комунікацій за програмою «Організація роботи з персональними даними». Навчальна програма була затверджена в Московському технічному університеті зв'язку та інформатики і узгоджена з Міністерством зв'язку та масових комунікацій РФ, ФСБ Росії і Федеральною службою з технічного та експортного регулювання. Завдання курсу - дати слухачам знання про організацію роботи з персональними даними, необхідні для здійснення діяльності відповідно до вимог чинного законодавства. Цільова аудиторія курсу - керівники організацій, структурних підрозділів або посадових осіб, відповідальних за роботу з персональними даними, фахівці кадрових і юридичних служб, а також інші особи, зацікавлені у вивченні питань обробки персональних даних. Програма буде доступна і для фахівців інших галузей.

Портали в допомогу LMS

Зазвичай архітектура систем дистанційного навчання (LMS) передбачає три основні шари: додатки, концептуальний шар, інфраструктура, однак два останніх шару не є специфічними для систем дистанційного навчання, а відносяться до будь-якого багато користувачів мережевому ресурсу. Зокрема, питання організації паралельної роботи багатьох користувачів, персоналізації інтерфейсу, високого ступеня модульности системи, а також можливості по інтеграції з іншими системами носять технічний характер і давно вирішені при побудові інформаційних порталів.

Більшість портальних рішень підтримують сьогодні роботу додатків на декількох серверах, реалізуючи «гібридний» сценарій для інфраструктурного шару, в якому деякі з машин виконують специфічні завдання (зберігання даних, індексування документів, пошук), а кілька інших паралельно працюють над обробкою запитів користувачів. Зовнішній вигляд сторінок порталу допускає високий рівень персоналізації, наприклад, користувач може самостійно налаштовувати розташування функціональних елементів, використовуючи спеціальні розгортаються бібліотеки (галереї) Web-частин, що забезпечують ту чи іншу функціональність.

Завдяки початковій орієнтації порталів на об'єднання функціональності різних додатків, більшість з них підтримують принципи «відкритої архітектури», базуючись на стандартах WS * (WSDL і SOAP) і активно використовуючи у своїй роботі мікроформати, побудовані на основі XML. Крім того, багато систем дистанційного навчання включають в себе елементи інформаційного порталу, такі як спільна робота користувачів над документами, календарі навчальних заходів, бібліотеки документів, wiki, пошук за документами, часто дублюючи функціональність порталів, вже впроваджених в навчальному закладі.

У цьому світлі представляють інтерес спроби розробників програмного забезпечення створити системи дистанційного забезпечення, побудовані саме на основі порталу. Таке рішення дозволить зосередитися на вирішенні специфічних для дистанційного навчання завдань (шар додатки), використовуючи готовий багатий функціонал для решти двох шарів архітектури.

Юрій Тарабанько ( [email protected] ), Директор з інформаційних систем компанії Competentum (Москва).

Новости
Слова жизни
Фотогалерея