ФОРМИРОВАНИЕ ИНДИВИДУАЛЬНОГО ГРАФИКА ИЗУЧЕНИЯ МАТЕРИАЛОВ УЧЕБНОЙ ДИСЦИПЛИНЫ В ЭЛЕКТРОННОЙ СРЕДЕ В УСЛОВИЯХ ОГРАНИЧЕННОГО ВРЕМЕНИ ОБУЧЕНИЯ

В работе представлена методика персонализации в электронной образовательной среде графика изучения учебных материалов в рамках учебной дисциплины. Для решения поставленной задачи рассмотрены подходы к персонализации обучения, используемые в электронном обучении. Центральным аспектом исследования являлась возможность эффективно использовать выделенное для обучения время, что особенно актуально при обучении в вузе, по общему учебному плану. Были выявлены факторы, обуславливающие необходимость построения индивидуального графика обучения. К ним можно отнести различную начальную подготовленность обучающегося, личностные качества, разные подходы обучающихся к организации своей работы. Была отмечена взаимосвязь названных факторов со скоростью работы обучающегося и разработана функциональная схема процесса адаптивного управления учебной деятельностью обучающегося. Предлагаемая методика предполагает динамически изменять требования к уровню освоения учебного материала, в зависимости от текущих достижений обучающегося. Изучение учебного материала даже на уровне ниже запланированного, даст обучающемуся целостное представление об изучаемой предметной области. Анализ результатов практического применения методики в электронном образовательном курсе на платформе Moodle показывает, что обучающиеся за отведенное время на обучение в целом осваивают всю программу по учебной дисциплине.

1. Правительство Российской Федерации. Постановление Правительства РФ от 23.05.2015 N 497 “О Федеральной целевой программе развития образования на 2016 - 2020 годы”; 2015 2015 May 23. Available from: URL: https://base.garant.ru/71044750/ [cited 2020 Jan 6].

2. Стратегия развития отрасли информационных технологий в РФ на 2014–2020 г.г. и на перспективу до 2025 г.: Распоряжение Правительства РФ от 1.11.2013. № 2036–р; 2013 [cited 2017 Aug 16]. Available from: URL: http://docs.cntd.ru/document/499055616.

3. Shershneva V.A., Shkerina L.V., Sidorov V.N., Sidorova T.V., Safonov K.V. Contemporary didactics in higher education in Russia. European Journal of Contemporary Education 2016;3(17):357–67. https://doi.org/10.13187/ejced.2016.17.357.

4. Brusilovsky P. Adaptive and Intelligent Web-based Educational Systems. International Journal of Artificial Intelligence in Education 2003;13:156–69. Available from: URL: https://telearn.archives-ouvertes.fr/hal-00197315/.

5. Доррер А.Г., Иванилова Т.Н. Моделирование интерактивного адаптивного обучающего курса. Современные проблемы науки и образования 2007;(5):1–8. Available from: URL: https://elibrary.ru/item.asp?id=9925451.

6. Klašnja-Milićević A., Vesin B., Ivanović M., Budimac Z., Jain L.C. E-Learning Systems: Intelligent Techniques for Personalization. Switzerland: Springer; 2017. Available from: URL: https://link.springer.com/book/10.1007%2F978-3-319-41163-7.

7. Арзамасцев А.А., Китаевская Т.Ю. Оптимальное проектирование и повышение эффективности процесса обучения в системе высшего образования: Постановка задач и обобщенный алгоритм решения. Вестник ТГУ 1999;4(4):485–488. Available from: URL: https://elibrary.ru/item.asp?id=16389344.

8. Цибульский Г.М., Вайнштейн Ю.В., Есин Р.В. Разработка адаптивных электронных обучающих курсов в среде LMS MOODLE: Монография. Красноярск: Сиб. федер. унт; 2018 [cited 2019 Oct 28]. Available from: URL: http://Lib3.sfukras.ru/ft/LIB2/ELIB/u004/i-222439.pdf.

9. Пахунов А.В. Принципы создания учебного курса с максимальной индивидуализацией траектории обучения. Инициативы XXI века 2016;(2):19–22. Available from: URL: https://elibrary.ru/item.asp?id=26488880.

10. Benhamdi S., Babouri A., Chiky R. Personalized recommender system for e-Learning environment. Educ Inf Technol 2017;22(4):1455–77. https://doi.org/10.1007/s10639-016- 9504-y.

11. Sweta S., Lal K. Personalized Adaptive Learner Model in E-Learning System Using FCM and Fuzzy Inference System. Int. J. Fuzzy Syst. 2017;19(4):1249–60. https://doi.org/10.1007/s40815-017-0309-y.

12. Christudas B.C.L., Kirubakaran E., Thangaiah P.R.J. An evolutionary approach for personalization of content delivery in e-learning systems based on learner behavior forcing compatibility of learning materials. Telematics and Informatics 2018;35(3):520–33. https://doi.org/10.1016/j.tele.2017.02.004.

13. Chrysoulas C., Fasli M. Building an Adaptive E-Learning System. In: 9th International Conference on Computer Supported Education (CSEDU 2017): SCITEPRESS; 2018: 375– 82. Available from: URL: http://www.scitepress.org/DigitalLibrary/Link.aspx?doi=10.5220/0006326103750382.

14. Drissi S., Amirat A. An Adaptive E-Learning System based on Student’s Learning Styles. International Journal of Distance Education Technologies 2016;14(3):34–51. https://doi.org/10.4018/IJDET.2016070103.

15. Wan S., Niu Z. An e-learning recommendation approach based on the self-organization of learning resource. Knowledge-Based Systems. 2018;160:71–87. https://doi.org/10.1016/j.knosys.2018.06.014.

16. Athanasiadis C., Hortal E., Koutsoukos D., Lens C.Z., Asteriadis S. Personalized, Affect and Performance-driven Computer-based Learning. In: 9th International Conference on Computer Supported Education (CSEDU 2017): SCITEPRESS; 2018:132–9 [cited 2017 May 19]. Available from: URL: http://www.scitepress.org/DigitalLibrary/Link.aspx?doi=10.5220/0006331201320139.

17. Chang T.-W., Kurcz J., El-Bishouty M.M., Graf S., Kinshuk. Adaptive Recommendations to Students Based on Working Memory Capacity. In: 2014 IEEE 14th International Conference on Advanced Learning Technologies (ICALT 2014): Athens, Greece, 7-10 July 2014. Piscataway NJ: IEEE; 2014:57–61.

18. Bobadilla J., Serradilla F., Hernando A. Collaborative filtering adapted to recommender systems of e-learning. Knowledge-Based Systems 2009;22(4):261–5. https://doi.org/10.1016/j.knosys.2009.01.008.

19. Peña-Ayala A., Sossa H., Méndez I. Activity theory as a framework for building adaptive e-learning systems: A case to provide empirical evidence. Computers in Human Behavior 2014;30:131–45. https://doi.org/10.1016/j.chb.2013.07.057.

20. Атанов Г.А. Деятельностный подход в обучении. Донецк: ЕАИ-пресс; 2001.

21. Шадриков В.Д. Психология деятельности человека. М.: Изд-во «Институт психологии РАН»; 2013. (Достижения в психологии) [cited 2019 Oct 28]. Available from: URL: https://elibrary.ru/item.asp?id=23734352.

22. Schmidt H.G. Problem-based learning: Rationale and description. Medical Education 1983;17(1):11–6. https://doi.org/10.1111/j.1365-2923.1983.tb01086.x.

23. Hmelo-Silver C.E. Problem-Based Learning: What and How Do Students Learn? Educ Psychol Rev 2004;16(3):235–66. https://doi.org/10.1023/B:EDPR.0000034022.16470.f3.

24. Metcalfe J., Kornell N. A Region of Proximal Learning model of study time allocation. Journal of Memory and Language 2005;52(4):463–77. https://doi.org/10.1016/j.jml.2004.12.001.

25. Tullis J.G., Benjamin A.S. On the effectiveness of self-paced learning. Journal of Memory and Language 2011;64(2):109–18. https://doi.org/10.1016/j.jml.2010.11.002.

26. Sanchez Nigenda R., Maya Padrón C., Martínez-Salazar I., Torres-Guerrero F. Design and evaluation of planning and mathematical models for generating learning paths. Computational Intelligence 2018;34(3):821–38. https://doi.org/10.1111/coin.12134.

27. Garrido A., Morales L., Serina I. On the use of case-based planning for e-learning personalization. Expert Systems with Applications. 2016;60:1–15. https://doi.org/10.1016/j.eswa.2016.04.030.

28. Заславская, О. Ю.: Кравец, О. Я. Особенности построения индивидуальной траектории обучения информатике на основе динамической интегральной оценки уровня знаний. Вестник Российского университета дружбы народов. Серия: Информатизация образования. 2010;(4):47–51. Available from: URL: https://elibrary.ru/item.asp?id=15249115.

29. Garrido A., Fernández S., Morales L., Onaindía E., Borrajo D., Castillo L. On the automatic compilation of e-learning models to planning. The Knowledge Engineering Review 2013;28(02):121–36. https://doi.org/10.1017/S0269888912000380.

30. Gayathri R., Uma V. Ontology based knowledge representation technique, domain modeling languages and planners for robotic path planning: A survey. ICT Express 2018; 4(2):69–74. https://doi.org/10.1016/j.icte.2018.04.008.

31. Tsortanidou X., Karagiannidis C., Koumpis A. Adaptive Educational Hypermedia Systems based on Learning Styles: The Case of Adaptation Rules. Int. J. Emerg. Technol. Learn. 2017;12(05):150. https://doi.org/10.3991/ijet.v12i05.6967.

32. Somyürek S. The new trends in adaptive educational hypermedia systems. IRRODL 2015; 16(1). https://doi.org/10.19173/irrodl.v16i1.1946

33. Blazheska-Tabakovska N., Ivanovic M., Klašnja-Milićević A., Ivkovic J. Comparison of ELearning Personalization Systems: Protus and PLeMSys. Int. J. Emerg. Technol. Learn. 2017;12(01):57–70. https://doi.org/10.3991/ijet.v12i01.6085.

34. Аникьева М.А. Шкала уровней освоения учебной информации. In: Информатизация образования и методика электронного обучения: Материалы III Международной научной конференции (Красноярск, 24–27 сентября 2019 г.) : в 2 ч.; Часть 1. Красноярск: Сиб. федер. ун-т; 2019. p. 20–5.

35. Shershneva V., Vainshtein Y., Kochetkova T. Adaptive system of web-based teaching. PSTA 2018; 9(4):159–77. https://doi.org/10.25209/2079-3316-2018-9-4-159-177.

36. Атанов Г.А., Пустынникова И.Н. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. Донецк: Изд-во ДОУ; 2002 [cited 2019 Oct 28]. Available from: URL: https://ru.b-ok.cc/book/3073320/3fc5d0.

37. Карпенко М.П. Проблема измерения знаний и образовательные технологии. Журнал практического психолога 1997 [cited 2019 Feb 9]; (4):74–9. Available from: URL: http://www.allrus.info/main.php?ID=216065&arc_new=1.

38. Тазетдинов А.Д. Технология структурирования и визуализации учебной информации в репетиторских системах. Информационно-управляющие системы. Информационные технологии и образование 2009 [cited 2019 Oct 28];(1):60–5. Available from: URL: https://elibrary.ru/item.asp?id=12291619.

39. Красных В.В. Основы психолингвистики и теории коммуникации: Лекционный курс. М.: ИТДГК «Гнозис»; 2001 [cited 2019 Oct 28]. Available from: URL: https://docplayer.ru/36414914-Osnovy-psiholingvistiki-i-teorii-kommunikacii.html.

40. Аникьева М.А. Методика расчета времени для освоения учебного материала. International Journal of Advanced Studies 2018;8(2):74–90. https://doi.org/10.12731/2227-930X-2018-2-74-90.