Рекурсивна модель змісту навчального матеріалу як засіб удосконалення професійної підготовки фахівця

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Підвищення якості професійної підготовки фахівця є однією з основних проблем, які стоять перед сучасною інженерною вищою школою держави. Сучасний етап розвитку вітчизняної та зарубіжної освіти характеризується різким зростанням обсягу навчальної інформації. Збільшується кількість навчальних дисциплін, їх інформаційне наповнення. Однак все це супроводжується зменшенням термінів часу на їх вивчення.

Отже, можна виявити протиріччя між збільшенням обсягу інформації з предметних галузей технічних дисциплін та обмеженими можливостями її засвоєння студентами у визначені терміни часу.

Це протиріччя і обумовило проблему нашого дослідження - теоретичне обґрунтування, практична розробка та впровадження в навчальний процес таких моделей представлення знань про предметну галузь технічних дисциплін, які б адекватно враховували психічні процеси і механізми засвоєння та репрезентації знань у пам'яті людини. Побудова таких моделей, з однієї сторони, дозволить скоротити витрати навчального часу, а з іншої - надасть можливість підвищення продуктивності навчальної діяльності студентів.

Теоретичне підґрунтя цієї роботи складали науково-практичні дослідження М.І. Лазарєва [1], А.В. Анісімова [2], А. Соловова [3], М.А. Холодної [4], А.І. Башмакова та І.А. Башмакова [5], Т. Бюзена та Б. Бюзена [6], В.А. Дмитрієвського [7].

На нашу думку, одним із перспективних шляхів підвищення ефективності навчання є вдосконалення змісту навчального матеріалу та пошук найбільш ефективних моделей його репрезентації. Тому метою нашого дослідження є пошук та розробка таких моделей репрезентації знань про предметну галузь технічних дисциплін, які б адекватно враховували психічні процеси і механізми засвоєння та репрезентації знань у пам'яті людини.

Для розроблення парадигми репрезентації технічних знань в інформаційному просторі суттєвими є такі шість чинників, що характеризують їх концептуальні та структурні властивості [1]:

- великий перелік типів навчальних елементів (об'єкти, процеси, явища, характеристики, параметри тощо);

- глибока структурованість та ієрархічність навчальних елементів;

- велика кількість як узагальнених, абстрактних понять, так і конкретних;

- багаточисельні інформаційні зв'язки з навчальним матеріалом фундаментальних, суміжних та спеціальних дисциплін:

- значна номенклатура типів логічних зв'язків між навчальними елементами;

- широке використання математичних методів і моделей для опису технічних об'єктів, процесів та явищ.

Визначимо типологію основних елементів систем знань змісту технічних дисциплін на основі системного підходу та об'єктивних математичних методів [1].

Змістом будь-якої навчальної дисципліни в кінцевому рахунку є модель знань про відповідну предметну галузь. До цього часу визначення самого поняття «знання» все ще залишається дискусійним. На нашу думку, найбільш вдалим є таке визначення: «Знання відображають наше уявлення про предметну галузь і представляють собою систему понять, відношень та залежностей між поняттями» [1]. Це визначення можна подати у вигляді такої формули:

ЗНАННЯ = ПОНЯТТЯ + ВІДНОШЕННЯ (1)

Розглянемо типологію основних елементів системи знань про предметну галузь на підставі формули (1).

Розрізняють два типи відносин між об'єктами предметної галузі, що передають її структуру: відношення по вертикалі і відношення по горизонталі. Відповідно проведемо типологію величезної кількості понять, які притаманні системам знань технічних навчальних дисциплін, по двох координатах - «по горизонталі» та «по вертикалі» [1].

Технічні знання містять у комплексному поєднанні три основні складові: опис функціональних технічних властивостей, характеристик застосування; опис природних явищ, що лежать в основі дії технічних об'єктів і технологічних процесів; опис конструктивної будови об'єктів техніки та параметрів протікання технологічних процесів [8, 94].

Серед нескінченої кількості конкретних понять тієї чи іншої технічної дисципліни «по горизонталі» можна виділити кінцеву множину типів понять Р1. Цю множину складають: поняття-об'єкти Роб, поняття-процеси Рпр, поняття-факти Рф, поняття-події Рпод, поняття-закони (залежності) Р3, поняття-характеристики (параметри) Рх, поняття-дії Рд:

Р1={Ро, Рпр, Рф, Рпод, Рз, Рх, Рд} (2)

По другій координаті, «по вертикалі», кожен із цих типів понять характеризується в загальному випадку ієрархічною структурою. Для побудови системи понять «по вертикалі» використаємо принципи системно підходу. Для побудови системи понять у напрямку «зверху-вниз» використаємо принцип поетапної декомпозиції (обмеження), а для побудови системи понять у напрямку «знизу-вверх» - принцип узагальнення, агрегації даних. Декомпозиція, узагальнення та агрегація даних проводиться з використанням тих чи інших критеріїв [1].

Безліч можливих конкретних критеріїв декомпозиції (узагальнення або агрегації) понять технічних дисциплін можна показати у вигляді кінцевої множини К:

К= {Кп, Кб, Кпф, Кх} (3)

де Кп - критерії декомпозиції (агрегації, узагальнення) за призначенням;

Кб - критерії декомпозиції (агрегації, узагальнення) за будовою;

Кпф - критерії декомпозиції (агрегації, узагальнення) за принципом функціонування,

Кх - критерії декомпозиції (агрегації, узагальнення) за характеристиками.

Кожен із наведених у формулі (3) критеріїв у свою чергу може характеризуватись ієрархічною структурою.

У результаті проведення поетапної декомпозиції (обмеження) або узагальнення (агрегації) понять утворюється в загальному випадку ієрархічна структура понять (рис. 1).

Рис. 1. Ієрархічна структура понять предметної галузі технічних дисциплін

Приклад фрагменту декомпозиції поняття «двигун внутрішнього згоряння» дисципліни «Будова автомобіля» наведено на рис. 2.

Рис. 2. Фрагмент ієрархічної структури поняття «Двигун внутрішнього згоряння»

Згідно з філософськими категоріями «загальне», «особливе», «одиничне», усю множину елементів ієрархічної структури рис. 1 можна розмежувати «по вертикалі» на загальні Рзаг, об'ємні Роб, одиничні поняття Род. В результаті утворюється множина типів понять «по вертикалі»:

РВ={Рзаг, Роб, Род}. (4)

Множина типів РВ адекватно відображає як множину відкритих (якісних) понять, так і закритих (реєструючих).

Приклади типів понять для дисципліни «Будова автомобіля» наведено в табл.

навчальний професійний інженерний

Таблиця 1. Приклади типів понять дисципліни «Будова автомобіля»

Визначимо типологію логічних відношень, які згідно формули 1 в системі знань є для людини такою ж інформацією, як і поняття.

Множина конкретних семантичних відношень між поняттями нараховує понад 200 видів. Найбільш повна, на наш погляд, типологія семантичних відношень між поняттями загальноінженерних дисциплін (рис. 3) запропонована в монографії [1, с.222].

Рис. 3. Типологія семантичних відношень між поняттями загальноінженерних дисциплін

Серед великого різноманіття семантичних відношень для дисципліни «Будова автомобіля» найбільш типовими будуть відношення типу «ціле - частина», «множина - елемент», «клас - підклас», «об'єкт - параметри», «процес - властивості», «явище - характеристика», «причина - наслідок».

Перспективним напрямом вирішення проблеми формування та репрезентація досить складного змісту технічних дисциплін в умовах різкого збільшення інформаційних потоків є використання математичних методів і моделей [1, 223]. Це дасть можливість логічно впорядкувати усі навчальні елементи з урахуванням їх глибокої ієрархічності та наявності різноманітних логічних зв'язків між ними, генерувати за допомогою репрезентованих в моделях знань про предметну галузь нові знання студентами.

Проведемо аналіз математичних методів і моделей репрезентації змісту предметних галузей із метою вибору таких із них, які можуть бути основою для розробки ефективних моделей репрезентації змісту технічних дисциплін. При аналізі також необхідно звернути увагу на врахування моделями когнітивних процесів засвоєння інформації.

У наш час використовується сім класів моделей знань: логічні, продукційні, фреймові, мережеві, об'єктно-орієнтовані, спеціальні та комплексні [5].

У логічних моделях знання представляються у вигляді сукупності правильно побудованих формул певної формальної системи. Базовими елементами таких моделей є константи, змінні, квантори, функціональні та предикатні символи, логічні зв'язки та синтаксичні правила, які позначають поняття предметних галузей, їх властивості та відношення.

Позитивними сторонами логічних моделей є їхнє адекватне відображення когнітивних процесів людини, гарантія правильного виводу нових знань та можливість повного опису станів предметної галузі. Серед недоліків можна виділити громіздкість опису предметних галузей, особливо ієрархічних структур понять та неспроможність адекватно відобразити процеси чуттєвого пізнання.

У продукційних моделях центральною ланкою є множина продукцій або правил виводу. Системи, що базуються на продукційній моделі, складаються з трьох компонент: бази правил (продукцій), бази фактів, що містять декларативні знання про предметну галузь, і інтерпретатора продукцій, що реалізує функцію управління виводом у продукційній системі.

Позитивними сторонами продукційних моделей є зрозумілість і наочність інтерпретації окремих правил та простота механізмів виводу. До недоліків можна віднести невідповідність психологічним аспектам представлення і обробки знань людиною, а також труднощі відображення ієрархічних структур предметних галузей.

Основою фреймової моделі знань слугує поняття фрейму - структури даних, яка описує стереотипну, стандартну ситуацію. Фрейм ідентифікується унікальним ім'ям і включає в себе велику кількість слотів. У свою чергу кожному слоту відповідає визначена структура даних. У слотах описується інформація про фрейм: його властивості, характеристики, факти тощо. Крім того, слоти можуть містити посилання на інші фрейми.

Позитивними сторонами фреймової моделі є її наочність, однорідність, висока ступінь структуризації знань, відповідність принципам представлення знань людиною в довготривалій пам'яті, інтеграція декларативних і процедурних знань. Однак для фреймової моделі характері складність управління виводом та низька ефективність його процедур.

Як носій знань у мереживних моделях виступає семантична мережа, вершини якої відповідають об'єктам (поняттям), а дуги - відношенням між поняттями. Вершинам і дугам присвоюються імена й описи, які характеризують семантику об'єктів і відносин предметної галузі.

Перевагами цієї моделі є висока спільність, наочність відображення системи знань про предметну галузь, а також легкість розуміння подібного представлення. Водночас у семантичній мережі має місце змішування груп знань, що ускладнює їх інтерпретацію.

Об'єктно-орієнтована та спеціальні моделі знань відображають особливості представлення знань і рішення задач в окремих, відносно вузьких предметних галузях, тому їх використання для широкого загалу інженерних та технічних дисциплін проблематичне.

Аналізуючи проблему представлення знань, А.І. Башмаков і І.А. Башмаков [5] виділяють такі ключові вимоги до моделей знань:

- загальність (універсальність);

- „психологічність”, наочність представлення знань;

- однорідність;

- реалізація в моделі властивості активності знань;

- можливість відображення структурних відношень об'єктів предметної галузі;

- наявність механізму проектування знань на систему семантичних шкал;

- використання багаторівневих представлень (дані, моделі, метамоделі і т.д.)

Жодна з розглянутих моделей не задовольняє усім вимогам. Тому актуальною є розробка таких моделей представлення предметної галузі, які забезпечували б можливість реалізації властивостей, що відповідають зазначеним вимогам.

У навчальному матеріалі технічних дисциплін для об'єктів, процесів та явищ можна виділити такі основні змістовні групи [1, 238]:

- призначення та використання (R);

- склад, будова, конструкція (S);

- принципи і механізми дії та функціонування (D);

- параметри та характеристики (H).

Використання змістовних груп є способом, що відповідає інтелектуальним процесам запам'ятовування. Використання в якості змістовних опорних пунктів назв змістовних груп дозволяє здійснювати узагальнення та ранжування навчальної інформації вже при першому знайомстві з нею. Це не потребує в подальшому перебудови структури інформації, що скорочує витрати часу.

Як базові моделі для розробки моделі репрезентації понять технічних дисциплін виберемо поліізоморфну модель на основі семантичних ознак та семантичні мережі.

Згідно з поліізоморфною моделлю на основі семантичних ознак поняття можна представити у вигляді [1]:

Р = {R, S, D, H} (ім'я)

де (ім'я) - слово, або словосполучення, яке означає ім'я поняття;

R (R1, R 2, ..., RL)- множина ієрархічних ознак, які репрезентують призначення та використання об'єкта (ознаки призначення);

S (S1, S2, ..., SХ) - множина ієрархічних ознак, які репрезентують структуру, склад, будову або конструкцію об'єкта (ознаки складу);

D (D1, D2, ..., DY) - множина ієрархічних ознак, які репрезентують принципи і механізми дії та функціонування об'єкта (ознаки принципу дії);

Н (Н1, Н2, ..., НN) - множина ієрархічних ознак, які репрезентують параметри, характеристики та властивості об'єкта (ознаки параметрів).

Поєднання даної моделі з семантичною мережею дає змогу виділити нову модель презентації навчального матеріалу - рекурсивну дидактичну модель.

Під рекурсією розуміють організацію складної системи, при якій [2]:

- виділяється деякий набір базових підсистем;

- система здатна в процесі свого функціонування створювати безмежну кількість копій базових систем, здійснювати взаємодію між ними, і при необхідності, знищувати їх;

- функціонування складної системи відображається в функціонуванні активних копій базових підсистем;

- при виклику копій допустима їх зміна, яка визначається ситуаційною обстановкою в момент виклику.

Тобто рекурсивна система за рахунок створення власних копій отримує можливість безмежного росту і ускладнення, але ця складність має організований вигляд, що визначається локальними правилами функціонування.

Безпосереднім наслідком рекурсії є фрактальність (самоподібність) у структурі об'єкта. Насправді, внаслідок рекурсії в об'єкті є частини, структурно подібні самому об'єкту. Це і є приклад самоподібності об'єкта.

Самоподібність об'єкта породжує складну ієрархічну структуру. А саме, розгортання рекурсії починається з деякого так званого центруючого об'єкта, який визначається через об'єкти першого порядку. У свою чергу, об'єкти першого порядку визначаються через об'єкти другого порядку і т.д. Таким чином, всякий об'єкт, незалежно від того, чи є він центруючим чи ні, може містити одні й ті ж самі структурні елементи.

Отже, завдяки розгортанню рекурсії виникає фрактальна структура об'єкта, що складається з частин, структурно подібних об'єкту.

При цьому:

-- тут мається на увазі саме структурна самоподібність об'єкта, тоді як змістовна сторона об'єктів різних рівнів, природно, виявляється різною;

-- структура об'єкта фрактальна в нестрогому значенні: достатньо сказати, що суб'єкти різних рівнів можуть містити різне число об'єктів;

-- фрактальна структура об'єкта обривається на так званих крайових оболонках, тобто на таких об'єктах, які не містять ніяких інших об'єктів.

При конструюванні рекурсивної моделі використаємо саме структурну самоподібність об'єктів, виділивши в них наступні підсистеми:

R - призначення та використання;

S - структура, склад, будова та конструкція;

D - принципи і механізми дії та функціонування;

H - властивості, параметри та характеристики.

Тоді узагальнена рекурсивна (рекурсивно-фрактальна) модель навчального матеріалу буде мати такий вигляд (рис. 4):

Рис. 4. Узагальнена структура рекурсивно-фрактальної моделі предметної галузі технічних дисциплін

Згідно з цією моделлю, всі об'єкти предметної галузі технічних дисциплін мають однакову структуру, однак різне інформаційне наповнення.

Однією з важливих характеристик навчальної інформації, яка визначає витрати навчального часу, є кількість інформації [1, с. 159-160].

У теорії інформації кількість інформації, яку отримала людина, визначається величиною зменшення ентропії, тобто невизначеності ситуації. Величина ентропії Н розраховується за формулою К. Шеннона (4), яка відображає імовірнісну природу людської пам'яті й мислення.

(4)

де Pi - імовірність появи і-го повідомлення; n - загальна кількість повідомлень.

Як зазначає М.І. Лазарєв [1, 160], «формула К. Шеннона адекватно відображає суб'єктивний характер сприйняття інформації людиною з таких причин:

- одна і та ж сама навчальна інформація для одного студента може складати досить великий обсяг, якщо ця інформація для нього незнайома, а для іншого кількість цієї інформації може дорівнювати нулю, тому що вся ця інформація йому вже відома;

- одна і та ж сама навчальна інформація до і після дидактичної підготовки (групування, класифікація, систематизація тощо) може мати різну кількість.

Одним із засобів зменшення вихідної невизначеності інформації є логічна організація структури навчальної інформації, наявність у ній змістовних групувань, класифікацій та систематизації [1].

При використанні рекурсивних моделей хоча інформація для студентів є незнайомою, однак її структуру можна вважати відомою.

де Н1 - ентропія при використанні традиційних моделей представлення інформації, Н2 - ентропія при використанні рекурсивних моделей.

Тобто, первісна невизначеність навчальної інформації (ентропія) зменшилася на 30%.

Отже, розрахунки підтвердили, що використання рекурсивних моделей для представлення навчальної інформації зменшує її кількість при сталому обсязі на 30%.

Метод репрезентації та формування декларативних знань технічних дисциплін на основі рекурсивних дидактичних моделей задовольняє всім вимогам, що висуваються до представлення знань про предметну галузь технічних дисциплін і, на нашу думку, дозволить зменшити витрати часу засвоєння великих обсягів інформації студентами без зниження якості навчання.

Перспективи подальших досліджень ми вбачаємо в обґрунтуванні та розробці методичної системи формування фахових знань із технічних дисциплін засобами рекурсивно-фрактальних моделей представлення змісту навчального матеріалу.

Література

1. Лазарєв М.І. Полісистемне моделювання змісту технологій навчання загально інженерних дисциплін: Монографія. - Х.: Вид-во НфаУ, 2003. - 356 с.

2. Анисимов А.В. Информатика. Творчество. Рекурсия, -- Киев: Наукова думка, 1998.

3. Соловов А.В. Проектирование компьютерных систем учебного назначения: Учебное пособие. - Самара: СГАУ, 1995. - 138 с.

4. Холодная М.А. Психология интеллекта. Парадоксы исследования. - 2-е изд., перераб. И доп. - СПб.: Питер, 2002. - 272 с.

5. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учеб. пособие. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. - 304 с.

6. Бюзен Т., Бюзен Б. Супермышление / Пер. с англ. Е.А. Самсонов; Худ. Обл. М.В. Драко. - 2-е изд. - Мн.: ООО «Попурри», 2003. - 304 с.

7. Дмитриевский В.А. Рекурсивная модель функционирования психики.-- Нижний Тагил, 2002. -- 93 c.

8. Даннік Л.А. Сутність та особливості набуття учнями технічних знань // Збірник наукових праць Бердянського державного педагогічного університету (Педагогічні науки). - №1. - Бердянськ: БДПУ, 2005. - С. 90-97.

Размещено на Allbest.ru