ВОЗМОЖНОСТЬ ПРИМЕНЕНИЯ НЕЙРОСЕТЕВОЙ ТЕХНОЛОГИИ В ОБРАЗОВАТЕЛЬНОМ ПРОЦЕССЕ ВУЗА

(1)

«Қоғамды ақпараттандыру» III Халықаралық ғылыми-практикалық конференция

327

УДК 002.6-027.21; 002.6:001.8 ГОРЮШКИН Е.И.

Курский государственный медицинский университет, Курск, Россия

ВОЗМОЖНОСТЬ ПРИМЕНЕНИЯ НЕЙРОСЕТЕВОЙ ТЕХНОЛОГИИ В ОБРАЗОВАТЕЛЬНОМ ПРОЦЕССЕ ВУЗА

На сегодняшний день не возможно представить современную систему обучения без различные технологии (оборудование, программное обеспечение, периферийные устройства, связь с Интернетом) и людей, обладающих знаниями и практическим опытом.

Эффективность образования всегда зависела от уровня подготовки педагогических кадров. В наше время темпы развития информационных технологий приводят к постоянному изменению предметно-профильных знаний, а требования работодателей к выпускникам вузов постоянно растут. Переход в России на Федеральные образовательные стандарты высшего профессионального образования третьего поколения (ФГОС-3 ВПО) предполагает широкое использование в учебном процессе активных и интерактивных форм проведения занятий. Поэтому современному преподавателю необходимо уметь эффективно использовать информационно-коммуникационные технологии для актуализации учебных материалов, создания электронных учебных курсов, общения со студентами и коллегами через online- сервисы.

Преподаватель в высокотехнологичной среде уже не является только лишь источником информации – он помогает студентам понять сам процесс обучения, помогает найти необходимую им информацию, выяснить, соответствует ли она заданным требованиям, а также понять, как использовать эту информацию для ответа на поставленные вопросы и решения сложных проблем. Педагог вынужден сегодня систематически повышать свою квалификацию в области инновационных технологий обучения [3].

Большое внимание уделяется не только возможности усовершенствования процесса преподавания (чтение лекции, ведение практических и лабораторных занятий), но и контроля учебных достижений с последующим редактированием материалов курса. Для этого можно использовать аппарат искусственных нейронных сетей.

За последние десятилетия интерес к искусственным нейронным сетям (НС) в России возрос не случайно. Специалисты из разных областей науки (математика, информатика, техническое конструирование, философия, физиология и психология и т.д.) заинтересованы возможностями, предоставляемыми НС, и ищут способы применения их внутри своих дисциплин. Это проявление интереса было вызвано как теоретическими, так и прикладными достижениями.

Искусственные нейронные сети – это совокупность моделей биологических нейронных сетей, представляющих собой сеть элементов – искусственных нейронов — связанных друг с другом синаптическими соединениями. Эти элементы затем группируются по способу, который может соответствовать (или не соответствовать) анатомии мозга человека.

Несмотря на такое поверхностное сходство, искусственные нейронные сети демонстрируют большое число свойств, присущих человеческому мозгу. Например, они способны к обучению (самообучению) на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.

Положительные аспекты применения НС вытекают из их способности решать такие задачи, как: автоматизация процессов распознавания образов, адаптивное управление, анализ информации и принятие решения, прогнозирование, создание экспертных систем и многие другие. Однако, не смотря на широкое применение в различных сферах человеческой

(2)

328

деятельности, до последнего десятилетия применение НС в образовании рассматривалось крайне редко.

Практика применения в тестировании определённой НС, способной к самоанализу с последующими изменениями, показала следующее, тестирующий комплекс (в частности тест по информатике), направленный на контроль и оценку учебных достижений учащихся имел способность:

 адаптироваться по тому или иному признаку;

 к самоанализу с последующими конструктивными изменениями.

Была разработана НС на основе персептрона Розенблатта. Она состояла из трех

«ветвей», так как было использовано три уровня определения трудности задания. В зависимости от развития сценария сигнал проходил по определенной ветви. Затем НС была обучена по определенному алгоритму. Итогом работы НС был вывод о соответствии заявленного уровня трудности задания действительному.

Результаты, полученные в ходе применения выше изложенной технологии, могут быть использованы не только при решении вопросов, связанных с измерением уровня знаний, но и при определении педагогических стратегий, которые вуз должен применять при обучении студентов информатике. Дело в том, что результаты тестирования предоставляют педагогический материал, отражающий специфику вузовской подготовки студентов, последующее обучение которых, безусловно, должно производиться с учетом этой специфики. Чтобы повысить эффективность учебного процесса по информатике, необходимо учитывать подобный материал при ежегодном корректировании рабочих учебных программ и планов.

Если в ходе адаптивного тестирования по информатике выявлено общее недопонимание студентами одной из тем учебного курса информатики, то при последующем обучении педагог должен затратить больше учебного времени и уделить большее внимание изучению этой темы. Дополнительное учебное время и другие ресурсы для этого могут быть высвобождены в результате упрощенного рассмотрения тем, известных студентам в большей степени. Подобные, «понятные всем», темы курса информатики также выявляются в процессе тестирования.

Компьютерная обработка результатов тестирования с использованием математических моделей тестовой теории позволяет проводить тестирование на больших выборках и обрабатывать полученные результаты, что позволяет получать устойчивые значения параметров тестовых заданий и сравнивать обученность студентов по информатике.

Таким образом, применение НС даёт преимущество не только в сфере экономики, медицины, но и в области образования. Они позволяют относительно быстро обрабатывать большое количество информации и отсеивать лишнюю, создавать задания в нужной тестовой форме, производить корректировку весов вопросов в соответствии с их реальным уровнем сложности.

С развитием аппарата искусственных нейронных сетей и их последующим применением в адаптивных тестах теория тестирования становится более улучшенной, нежели без них.

Таким образом, одним из вариантов совершенствования системы измерения результативности обучения студентов может являться применение адаптивных тестов с нейронными сетями, что позволит получать более достоверные (валидные) результаты оценивания знаний по информатике, и как следствие, повысит эффективность контроля учебных достижений студентов.

Литература

1. Горюшкин Е.И., Гриншкун В.В. Применение адаптивных тестов с нейросетями в измерении результативности обучения информатике / Е.И. Горюшкин // Вестник

(3)

329

Московского городского педагогического университета. Серия информатика и информатизация образования. – 2007, –№2(10). –С.11-14.

2. Груенко И.С. Методологический анализ оценки качества знаний в экзаменационных процедурах: Дис… кан. фил. наук.- Москва, 2005.

3. Интерактивные технологии в образовательном процессе вуза . [Электронный ресурс]. – Режим доступа: www.ntfmfkonf.ucoz.ru

4. Нейронные сети: основные положения. [Электронный ресурс]. – Режим доступа:

www.orc.ru