ݺߣ

ݺߣShare a Scribd company logo
1
Разработка методов
автоматического решения задач
и моделей обучаемого в
обучающих средах
Смирнова Н.В.
2
Анализатор действий
обучаемого
Автор курса
-подсказка
-показ
примера
-…
Авторский инструментарий
Коммуникационная
модель
Интерфейс
Решение
обучаемого
(шаг
решения)
Прочие действия
обучаемого
(запрос подсказок
и т.д.)
Модель обучаемого
• Самостоятельность
• Усилия
• Фрустрац.
поведение
…
Модуль управления процессом
обучения
…
Обучаемый
Режим офф-лайн
Решение,
синтезированное
программами
ИОС
(шаг решения)
Модель предметной
области
•Базовые понятия
•правила
Решатели задач
Педагогическая
модель
• Стратегии
• Учебный
план
…
Направленность исследований
Методы принятия
решений
Параметрическая идентификация МВК-1
Мотивационно-волевой компонент модели обучаемого (МВК) :
•«Самостоятельность»,
•«Усилия»,
•«Фрустрационное поведение»,
Применение МВК:
•управление учебным процессом,
•диагностика плохо проработанных мест курса,
•оценивание студентов перед экзаменом/зачетом
Цель эксперимента: апробация отличного (и, возможно, более рационального)
протокола сбора и обработки данных
Собраны данные для параметрической идентификации
•23 студента решали 1 или 2 задачи в системе,
•2 эксперта (преподаватели факультета) оценивали каждый 5-минутный фрагмент
деятельности студентов,
•790 оценок для каждого из 2 показателей,
•проблема смещенных классов,
•высокая вероятность шума в экспертных оценках
Распределение экспертных оценок
(показатель «Усилия»)
Параметрическая идентификация МВК-2
Соотнесение оценок эксперта вида X1X2X3 с действиями студента может быть
реализовано несколькими способами.
2 алгоритма адаптивного разбиения 5-минутного фрагмента на 3 однородных интервалаРазличные алгоритмы формирования
точек для обучения (f1-scores)
[100,100,100] 0.62 0.22 0.23
Адапт 1 0.65 0.22 0.29
Адапт 2 0.64 0.16 0.23
«Огрубление» 0.72 0.44 0.26
Avg test f1-score («Усилия»): [0.64, 0.59]
Этап анализа ошибок:
• стратифицированный k-fold,
• другие наборы признаков,
• изменение данных (undersampling, oversampling, исключение шума в оценках
экспертов)
Автоматизированная проверка решений-1
Шаг студента – фрагмент решения минимальной длины, который может быть
проверен системой на правильность
Верификация шага
Расчет прогресса
в решении
Обновление инф. в БД
(для подсказок,
оценки за решение)
Сообщение студенту
результата проверки
шагаУточняющий
вопрос
?
Автоматизированная проверка решений-2. Пример работы алгоритма решения
ПР-проблемы
6
Шаг студента:
Стоп. Совпало с
Ответ:
Все время сравниваем то,
что получается, с
( , ) ( , )p a b c c=
( , )p a b
( , )c c
( , )],[( , )][| | c c c cc =
| |c
( , )p a b ( , )p a b
( , ), ( , ) | |],[( , ),| |][| | c c p a b c c c cc ==
( , ), ( , ) | |][| | c c p a b cc ==
Автоматизированная проверка решений-3. Борьба с имитацией правильно
введенных шагов
Пусть студент узнал, что (c,c)=8 и (c,c) некоторым образом зависит от c1,c2 и ввел
формулу f:
(c,c)= c1 + c2 + 12
Это имитация правильно введенного шага!
Проверка на имитацию правильно введенного шага
1. С помощью отношений вычислимости получаем выражение e:
c1
2
+ c2
2
2. Заменяем в e все переменные, кроме встречающихся в правой части f
на числовые значения, получаем:
c1
2
+ c2
2
3. simplify(c1 + c2 + 12 - (c1
2
+ c2
2
)) != 0 Обнаружена имитация
Результаты
• Получены некоторые результаты по параметрической идентификации МВК модели
обучаемого,
• Предложен алгоритм определения прогресса в решении студента, на примерах
показаны его преимущества по сравнению с известным алгоритмом (Andes Physics
Tutor): поддерживается проверка формул, содержащих векторы и матрицы, большая
простота в реализации. Показано: оба алгоритма уязвимы к имитации правильно
введенных шагов. Исследованы различные случаи форм шагов студента, для
каждого случая предложены допольнительные эвристики.
Публикации ВАК:
• Смирнова Н.В., Шварц А.Ю. Мотивационно-волевой компонент модели обучаемого в следящих
интеллектуальных системах. Часть 1/Часть 2. Искусственный интеллект и принятие решений, 2012, № 1, №
2.
• Васильев С.Н., Смирнова Г.С., Сабитов Ш.Р., Сиразетдинов Б.Р., Смирнова Н.В. Архитектура и функции
следящей интеллектуальной обучающей системы «Волга». Вестник КГТУ им. А.Н. Туполева
Докладов в сборниках конференций: 7
Конференции:
• «Современные информационные технологии и ИТ-образование»,
• «Современные технологии, материалы, оборудование и ускоренное восстановление квалифицированного
кадрового потенциала – ключевые звенья в возрождении отечественного и ракетостроения»,
• «Информационно-технологическое обеспечение образовательного процесса государств-участников СНГ»
Ad

Recommended

Cee secr-2013-smirnova-volga
Cee secr-2013-smirnova-volga
Natalia Smirnova
Доклад АКТО-2012 Душкин, Смирнова
Доклад АКТО-2012 Душкин, Смирнова
Dmitry Dushkin
Machine
Machine
Vladimir Kukharenko
курсы по выбору
курсы по выбору
leonnwild
Distance education system (DES SGLA)
Distance education system (DES SGLA)
Ianikiy Lihud
Chuvajlova melehina
Chuvajlova melehina
kilyakova
структура егэ 2012
структура егэ 2012
FCSS64
NNSU courses Calculus I & AMP; Math Modelling
NNSU courses Calculus I & AMP; Math Modelling
metamath
Motivation and Willpower component of the student model and it's application ...
Motivation and Willpower component of the student model and it's application ...
Natalia Smirnova
автоматизированный анализ психического состояния студентов
автоматизированный анализ психического состояния студентов
Natalia Smirnova
отчет мнш 2012_смирнова_2
отчет мнш 2012_смирнова_2
Natalia Smirnova
этапы моделирования
этапы моделирования
Гимназия
Edutainme: Большие данные в образовании
Edutainme: Большие данные в образовании
Edutainme
К автоматизированной проверке решений некоторого класса задач
К автоматизированной проверке решений некоторого класса задач
Natalia Smirnova
вссда2012 2
вссда2012 2
Natalia Smirnova
002умнов
002умнов
Yandex
002умнов
002умнов
Alexandra Kaminskaya
001умнов
001умнов
Alexandra Kaminskaya
Креативное мышление и научное творчество
Креативное мышление и научное творчество
SBI Lobachevsky University
лекция 9
лекция 9
student_kai
этапы компьютерного моделирования
этапы компьютерного моделирования
NickEliot
Тема 4. Методы описания сложных систем
Тема 4. Методы описания сложных систем
Сергей Солнечный
Моделдирование
Моделдирование
Отшельник
презентация тим в сочи
презентация тим в сочи
Татьяна Жилина
«разработка моделей средствами языка программирования»
«разработка моделей средствами языка программирования»
Asem Sarsembayeva
Diplom present
Diplom present
Alexandr Dzhumurat

More Related Content

Similar to смирнова мнш 2013_3 (18)

Motivation and Willpower component of the student model and it's application ...
Motivation and Willpower component of the student model and it's application ...
Natalia Smirnova
автоматизированный анализ психического состояния студентов
автоматизированный анализ психического состояния студентов
Natalia Smirnova
отчет мнш 2012_смирнова_2
отчет мнш 2012_смирнова_2
Natalia Smirnova
этапы моделирования
этапы моделирования
Гимназия
Edutainme: Большие данные в образовании
Edutainme: Большие данные в образовании
Edutainme
К автоматизированной проверке решений некоторого класса задач
К автоматизированной проверке решений некоторого класса задач
Natalia Smirnova
вссда2012 2
вссда2012 2
Natalia Smirnova
002умнов
002умнов
Yandex
002умнов
002умнов
Alexandra Kaminskaya
001умнов
001умнов
Alexandra Kaminskaya
Креативное мышление и научное творчество
Креативное мышление и научное творчество
SBI Lobachevsky University
лекция 9
лекция 9
student_kai
этапы компьютерного моделирования
этапы компьютерного моделирования
NickEliot
Тема 4. Методы описания сложных систем
Тема 4. Методы описания сложных систем
Сергей Солнечный
Моделдирование
Моделдирование
Отшельник
презентация тим в сочи
презентация тим в сочи
Татьяна Жилина
«разработка моделей средствами языка программирования»
«разработка моделей средствами языка программирования»
Asem Sarsembayeva
Diplom present
Diplom present
Alexandr Dzhumurat
Motivation and Willpower component of the student model and it's application ...
Motivation and Willpower component of the student model and it's application ...
Natalia Smirnova
автоматизированный анализ психического состояния студентов
автоматизированный анализ психического состояния студентов
Natalia Smirnova
отчет мнш 2012_смирнова_2
отчет мнш 2012_смирнова_2
Natalia Smirnova
этапы моделирования
этапы моделирования
Гимназия
Edutainme: Большие данные в образовании
Edutainme: Большие данные в образовании
Edutainme
К автоматизированной проверке решений некоторого класса задач
К автоматизированной проверке решений некоторого класса задач
Natalia Smirnova
002умнов
002умнов
Yandex
Креативное мышление и научное творчество
Креативное мышление и научное творчество
SBI Lobachevsky University
этапы компьютерного моделирования
этапы компьютерного моделирования
NickEliot
Тема 4. Методы описания сложных систем
Тема 4. Методы описания сложных систем
Сергей Солнечный
«разработка моделей средствами языка программирования»
«разработка моделей средствами языка программирования»
Asem Sarsembayeva

смирнова мнш 2013_3

  • 1. 1 Разработка методов автоматического решения задач и моделей обучаемого в обучающих средах Смирнова Н.В.
  • 2. 2 Анализатор действий обучаемого Автор курса -подсказка -показ примера -… Авторский инструментарий Коммуникационная модель Интерфейс Решение обучаемого (шаг решения) Прочие действия обучаемого (запрос подсказок и т.д.) Модель обучаемого • Самостоятельность • Усилия • Фрустрац. поведение … Модуль управления процессом обучения … Обучаемый Режим офф-лайн Решение, синтезированное программами ИОС (шаг решения) Модель предметной области •Базовые понятия •правила Решатели задач Педагогическая модель • Стратегии • Учебный план … Направленность исследований Методы принятия решений
  • 3. Параметрическая идентификация МВК-1 Мотивационно-волевой компонент модели обучаемого (МВК) : •«Самостоятельность», •«Усилия», •«Фрустрационное поведение», Применение МВК: •управление учебным процессом, •диагностика плохо проработанных мест курса, •оценивание студентов перед экзаменом/зачетом Цель эксперимента: апробация отличного (и, возможно, более рационального) протокола сбора и обработки данных Собраны данные для параметрической идентификации •23 студента решали 1 или 2 задачи в системе, •2 эксперта (преподаватели факультета) оценивали каждый 5-минутный фрагмент деятельности студентов, •790 оценок для каждого из 2 показателей, •проблема смещенных классов, •высокая вероятность шума в экспертных оценках Распределение экспертных оценок (показатель «Усилия»)
  • 4. Параметрическая идентификация МВК-2 Соотнесение оценок эксперта вида X1X2X3 с действиями студента может быть реализовано несколькими способами. 2 алгоритма адаптивного разбиения 5-минутного фрагмента на 3 однородных интервалаРазличные алгоритмы формирования точек для обучения (f1-scores) [100,100,100] 0.62 0.22 0.23 Адапт 1 0.65 0.22 0.29 Адапт 2 0.64 0.16 0.23 «Огрубление» 0.72 0.44 0.26 Avg test f1-score («Усилия»): [0.64, 0.59] Этап анализа ошибок: • стратифицированный k-fold, • другие наборы признаков, • изменение данных (undersampling, oversampling, исключение шума в оценках экспертов)
  • 5. Автоматизированная проверка решений-1 Шаг студента – фрагмент решения минимальной длины, который может быть проверен системой на правильность Верификация шага Расчет прогресса в решении Обновление инф. в БД (для подсказок, оценки за решение) Сообщение студенту результата проверки шагаУточняющий вопрос ?
  • 6. Автоматизированная проверка решений-2. Пример работы алгоритма решения ПР-проблемы 6 Шаг студента: Стоп. Совпало с Ответ: Все время сравниваем то, что получается, с ( , ) ( , )p a b c c= ( , )p a b ( , )c c ( , )],[( , )][| | c c c cc = | |c ( , )p a b ( , )p a b ( , ), ( , ) | |],[( , ),| |][| | c c p a b c c c cc == ( , ), ( , ) | |][| | c c p a b cc ==
  • 7. Автоматизированная проверка решений-3. Борьба с имитацией правильно введенных шагов Пусть студент узнал, что (c,c)=8 и (c,c) некоторым образом зависит от c1,c2 и ввел формулу f: (c,c)= c1 + c2 + 12 Это имитация правильно введенного шага! Проверка на имитацию правильно введенного шага 1. С помощью отношений вычислимости получаем выражение e: c1 2 + c2 2 2. Заменяем в e все переменные, кроме встречающихся в правой части f на числовые значения, получаем: c1 2 + c2 2 3. simplify(c1 + c2 + 12 - (c1 2 + c2 2 )) != 0 Обнаружена имитация
  • 8. Результаты • Получены некоторые результаты по параметрической идентификации МВК модели обучаемого, • Предложен алгоритм определения прогресса в решении студента, на примерах показаны его преимущества по сравнению с известным алгоритмом (Andes Physics Tutor): поддерживается проверка формул, содержащих векторы и матрицы, большая простота в реализации. Показано: оба алгоритма уязвимы к имитации правильно введенных шагов. Исследованы различные случаи форм шагов студента, для каждого случая предложены допольнительные эвристики. Публикации ВАК: • Смирнова Н.В., Шварц А.Ю. Мотивационно-волевой компонент модели обучаемого в следящих интеллектуальных системах. Часть 1/Часть 2. Искусственный интеллект и принятие решений, 2012, № 1, № 2. • Васильев С.Н., Смирнова Г.С., Сабитов Ш.Р., Сиразетдинов Б.Р., Смирнова Н.В. Архитектура и функции следящей интеллектуальной обучающей системы «Волга». Вестник КГТУ им. А.Н. Туполева Докладов в сборниках конференций: 7 Конференции: • «Современные информационные технологии и ИТ-образование», • «Современные технологии, материалы, оборудование и ускоренное восстановление квалифицированного кадрового потенциала – ключевые звенья в возрождении отечественного и ракетостроения», • «Информационно-технологическое обеспечение образовательного процесса государств-участников СНГ»