Наиболее остро на данный момент стоит вопрос о поиске необходимой информации среди многочисленных электронных учебно-методических материалов (ЭУММ). Более того, поскольку знание не ограничивается ЭУММ, ставится вопрос о поиске релевантных материалов по всей сети WWW. На данный момент существует ряд разработок, позволяющих осуществлять поиск по базе данных ЭУММ, однако качество получаемых результатов оставляет желать лучшего [1]. В первую очередь это связано с тем, что до сих пор не разработано эффективных способов автоматизированного наполнения баз знаний.

Современные поисковые системы (в широком смысле) поддерживают два взаимодополняющих типа поиска: сверху вниз от темы к материалу (каталоги) и снизу вверх от ключевых слов к материалу и теме (непосредственный поиск). Наиболее популярны автоматические каталогизаторы на основе частотного метода анализа текста, однако также существуют интеллектуальные каталогизаторы, в некоторой мере поддерживающие функцию самообучения. Для непосредственного поиска большая часть современных поисковых систем использует вероятностные функции релевантности [2]. Вследствие подобной организации при некорректной постановке запроса количество информационного мусора в результирующих данных может достигнуть значительного количества. Для улучшения качества результата используются дополнительные интеллектуальные фильтры, основанные на онтологиях и семантических связях. Данные механизмы дают хороший результат при условии наличия достаточного количества метаинформации в объектах, по которым осуществляется поиск.

Совокупность каталога и непосредственного поиска может дать значительно лучшее качество результата в случае наличия большого количества специальных терминов в материалах, по которым производится поиск. Это служит достаточным основанием для применения такого рода систем для поиска по учебным материалам. Кроме того, при использовании поисковой системы в составе системы управления обучением существует возможность использования дополнительных параметров, улучшающих качество поиска, например ключевых слов, характерных для данного предмета, темы занятия или задания.

Предметом исследования является организация работы интеллектуальной поисковой системы на регулярно обновляемых входных данных ограниченного объема. Для решения поставленной задачи требуется, во-первых, построить сеть семантических связей между существующими ЭУММ с последующей иерархической кластеризацией как самих текстов ЭУММ [3], так и наборов ЭУММ. Во-вторых, нужно связать с каждой семантической единицей описывающую ее метаинформацию путем анализа текста семантической единицы (формирование индексов) и путем ее непосредственного назначения (назначение смысловой нагрузки на выделенные кластеры и семантические единицы). По получившейся структуре можно осуществлять эффективный поиск как по вхождению, так и по ассоциациям, к тому же данная структура подходит для построения тематического каталога с возможностью автоматической каталогизации. Обновление данной структуры сводится к обновлению индексов метаинформации.

Не менее важным моментом является разработка либо обоснованный выбор существующего метода выбора ключевых слов, характеризующих документ, поскольку от правильного выбора ключевых слов зависит качество поиска в целом. Предлагается осуществлять выбор из набора ключевых слов, которые уже известны системе поиска (и являются главными компонентами, идентифицирующими кластер). Данный набор может храниться в дополнительном индексе, который должен перестраиваться при добавлении новых документов (фактически, этим реализуется функция самообучения). К тому же, выбранные ключевые слова могут быть использованы для предоставления непосредственного доступа к документам (например, в виде т.н. «облака меток»). Еще один перспективный вариант их использования — создание автоматизированных запросов к сетевым поисковым машинам с целью получения дополнительных релевантных документов, не содержащихся в базе ЭУММ, но существующих во всемирной сети.

Реализация данной системы поиска в составе системы управления обучением существенно ускорит процесс получения необходимой методической информации студентами как по требуемой, так и по смежным дисциплинам.

 

ЛИТЕРАТУРА:

 

1. Microsoft в образовании: продукты, Class Server. // Эл. ресурс. — Загл. с экрана. Режим доступа: свободный,: http://www.microsoft.com/Rus/Education/ClassServer/Default.mspx
2. Современные поисковые системы. // Эл. ресурс. — Загл. с экрана. Режим доступа: свободный,: http://book.itep.ru/4/45/retr4514.htm
3. Ф.В. Борисюк, В.И.Швецов. Новый метод поиска на основе иерархической кластеризации по областям текстовых докумен¬тов. // Эл. ресурс. — Загл. с экрана. Режим доступа: свободный,: http://www.unn.ru/pages/issues/vestnik/99999999_West_2009_4/26.pdf

Последнее время в мире дистанционного образования появилась тенденция к переходу от индивидуальных средств обучения к коллективным, предоставляющим большую гибкость и качество учебного материала. Органической особенностью дистанционного обучения является требование наличия высокой мотивации у обучающихся, поскольку в случае общения по сети обучение проходит в гораздо более свободном режиме, чем при очной форме. В условиях быстро накапливающейся информации это требование становится еще более важным, поскольку необходимость выделять только нужный материал становится критической. Поэтому от активности каждого учащегося и его навыков по обработке поступающей информации будет зависеть успешность всей учебной группы.

Другая тенденция заключается в интенсивном внедрении средств искусственного интеллекта (ИИ) в системы управления УП. Технологии, основанные на ИИ, продвигаются в научное сообщество, как наиболее перспективные, однако они не лишены существенных недостатков. Основное преимущество этих технологий раскрывается тогда, когда речь идет о формализованных и структурированных знаниях. Такого рода знания очень хорошо и эффективно могут быть заложены в экспертные системы, в результате чего может быть получена система поддержки обучения, способная оценивать степень правильности ответов обучающегося, помогать в поиске релевантной информации по требуемой теме, а также рекомендовать к изучению смежные темы и разделы.

Однако, когда разговор касается неформализованных знаний (или неявных знаний, в терминологии модели SECI), интеллектуальные системы не могут предложить никакого аппарата для реализации обмена знаниями такого рода, и уж тем более не имеют возможности самостоятельно без участия человека переводить формализованные знания в неформализованные и обратно.

Одно из самых очевидных и логичных применений интеллектуальных систем в дистанционном обучении – это структурирование уже существующих электронных учебных материалов с целью обеспечения эффективного поиска нужной информации. Для решения данной задачи хорошо подходят онтологии как средство структурирования, экспертные системы и нейронные сети как средства прямого и ассоциативного поиска.

Коллектив лаборатории мультимедийных средств обучения ИДО НГТУ на данный момент работает над системой структурирования электронных учебно-методических материалов, которую предполагается использовать в качестве дополнения к существующей системе управления обучением. Разрабатываемая система будет представлена в виде веб-портала с интеллектуальными средствами поиска, учитывающими специальность и уровень подготовки студента и выдающими наиболее подходящие учебные материалы в зависимости от указанных параметров.