Алгоритмический подход к организации процесса обучения (алгоритмизация в обучении) л.Ланда

Здесь может быть Ваш текст

Лекция №6.Модель обучения навыкам на алгоритмической природе (монап)

В соответствии с теорией поэтапно формирующихся действий, процесс обучения представляет собой управляемый и контролирующий процесс выполнения учебных задач.

В каждом шаге обучения можно выделить следующие 4 этапа:

1. Выдача учебной задачи с требуемыми свойствами.

2. Ввод ответа обучаемого, контроль правильного выполнения задачи, а в случае выявления ошибок выдача пояснений.

3. Идентификация навыков обучаемого

   1. О продолжении

   2. О достижении цели

   3. О аварийном окончании (отправка к преподавателю или окончание обучения)

4. Определение необходимых данных для выдачи новой задачи, при вынесении решения о необходимости продолжения обучения.

Рассматриваемая модель обучения. Рассмотреть полную автоматизацию и на ее основе разработать и автоматизировать 3 и 4 шаг обучения задается алгоритм предписания, оно разрабатывает эксперт-педагог и описывают пути решения задач.

Алгоритм предписания включает в себя совокупность элементарных операций, представленных в форме «Если…то…» и указывает требуемое или желаемое последовательное выполнение приводит к правильному решению управляющей задачи. Множество типов задается выполнения при решении учебных задач в заданиях предлагаемых областью обучения

Все задачи

Подзаголовок

текст

Подзаголовок

текст

Лекция №7.

На каждом шаге обучения начинаем с производится проверка на аварийное окончание. Аварийное окончание обучения осуществляется если хотя бы для одной операции имеет место система неравенств

(*)

Где k – предаварийное (критическое число шагов обучения во время, которого характеристики обучаемого могут не улучшаться)

Задает первый интервал значений вектора P(k)

K1 – изменяется от kдо (k+? Т.е. второе уравнение задает систему неравенств

-задает второй интервал измерения значений элементов вектора P(k)

Условие аварийного окончания. Необходимость использования системы неравенств для описания аварийного окончания вызвана тем, что моделью обучения предусматриваются ситуации, когда Pj(k+1) <Pj(k) вызванное внештатными ситуациями. Эти ситуации не должны вести к аварийному окончанию. Причиной аварийного окончания обучения являются либо слабая подготовка, либо неэффективность обучающих воздействий (комментариев к ошибкам, помощи и т.д.). нарушение второго неравенства системы (*) предотвращает аварийное окончание обучения в случае, когда уровень навыков обучаемого увеличивался, но в последнем шаге произошел спад до уровня и выполнилось первое неравенство системы (*) являющимся необходимым условием аварийного окончания.

Идентификация (оценка) навыков обучаемого

Предлагаемые модели определения осуществляется следующим образом. Для каждой операции y_jвводится Nгипотез Hi (i=1,2,..) соответствующих Nсостояниям обученности. Каждому i-му состояния обученности соответствует условная вероятность P(Aj|Hi) правильного применения операций y_jв каждом из Ljеё применений равная i/(N+1). Гипотезы Hi образуют полную группу несовместных событий

Где Pij – Hi для y_j

Число состояний обученности зависит от точки определения состояния обученности. Значение Nзадается экспертом педагогом, и используется кроме того для определения значения Pjконеченое = N/(N+1)

На каждом шаге обучения наблюдается событие Bj(k) состоящее в правильном применении j-й операции Mj(k) раз из Lj(k) заданных. Эта информация служит для перерасчета распределения вероятностей гипотез Pijс помощью формул Байеса.

Каждый K-ый шаг обучения характеризуется априорным и апостериорным (послеопытном) распределении вероятностей гипотез о состоянии обученности (P0ij(k) и P1(k)) связанных между собою зависимостью

Где определяется по теореме Бернули =

Учитывая что априорное распределение вероятности гипотез на K-шаге совпадает с апостериорным распределением на K-1 шаге, т.е. имеет место . Формулу (**) можно переписать в виде, которая подчеркиванет ее рекурсивный характер, т.е. учитывается вся история изменения.

Вероятность правильного применения Yjна К шаге определяется по формуле полной вероятности

Окончательная оценка Pj(k) получается приведением значения вычисленного по формуле (****) до введенных состояния обученности.

Pj(k+1|k) = V*Pj(k)

V=Pj(k)/Pj(k-1)

V=1 т.к. воздействие не может понижать уровень обучения

Предложенный метод идентификации навыков обучаемого может использоваться для задач обучения характеризуемых многоальтернативностью исхода шагов обучения.

Использование Байесовского подхода при идентификации умений, а также осуществление контроля на аварийное окончание обучения (обеспечиваемое хранение векторов P(k-k), P(k-1),…P(k), должна хранится для каждого обучаемого (k +1),позволяет учитывать предысторию обучению (учитывать учебную задачу), таким образом создается основа для обеспечения максимальной адаптации управления процесса обучения для максимальной адаптации.