Программные продукты и системы

Традиционные технологии дистанционного обучения предполагают, что обучаемый занимается индивидуально и территориально находится вне стен учебного заведения. Тем не менее, элементы дистанционного обучения могут быть использованы и в рамках традиционного учебного процесса в уже существующих дисплейных классах вуза. В такой форме студенты могут: изучать дополнительные разделы учебных курсов, предназначенные для самостоятельной работы; получать допуск к лабораторным работам, работать с виртуальными лабораториями, защищать результаты выполнения таких работ; участвовать в коллоквиумах по различным дисциплинам как гуманитарного, так и общенаучного циклов; тестировать свои знания по различным предметам, в том числе и при подготовке к экзаменам.

Реализация указанных процессов в рамках единой системы электронного обучения и тестирования знаний предполагает, что на протяжении некоторого интервала времени существует группа обучаемых, имеющих сходные цели при осуществлении своей учебной деятельности.

Если при этом обучающая система использует традиционную технологию доставки контента каждому обучаемому по его требованию, то естественным образом возникает дублирование запросов, и сервер вынужден многократно отсылать одни и те же данные нескольким клиентам. При использовании мультимедийного обучающего контента объем трафика необоснованно возрастает, что может привести к неоправданной загрузке сервера обучающей системы.

При наличии в дисплейных классах собственных серверов можно организовать децентрализованное хранение обучающего контента. Фактически это сводится к установке собственного сервера обучающей системы в каждом дисплейном классе и к загрузке на него того подмножества контента, который может понадобиться при занятиях в этом классе. При такой децентрализации неизбежно возникает проблема дублирования контента, а также значительно усложняется процесс сбора статистики обучения.

Таким образом, желательно сохранить архитектуру системы с централизованным хранением контента и централизованным сбором статистики обучения, но при этом избежать лишней загрузки корневого сервера системы дублирующими друг друга запросами. Этого можно достигнуть созданием распределенной сетевой архитектуры обучающей системы, использующей, кроме центрального сервера, также дополнительные (промежуточные) серверы, не обладающие постоянной собственной базой обучающего контента.

При установке в дисплейном классе такой сервер выступает для корневого сервера системы как представитель группы одновременно работающих студентов, пересылает корневому серверу их запросы (если они не дублируются) и сохраняет полученный контент во временной базе, выполняя кэширование многократно использующейся информации. Все последующие запросы клиентов на контент, уже имеющийся в кэше промежуточного сервера, выполняются без обращения к корневому серверу.

Механизм работы промежуточного сервера схож с механизмом работы типичного прокси-сервера. Однако промежуточный сервер системы обрабатывает не все запросы, а только те, которые связаны с получением клиентом контента с сервера. В этом случае промежуточный сервер может либо отдать клиенту данные, сохраненные в локальном хранилище, либо связаться с сервером более высокого уровня и получить необходимые данные. Такие запросы, как авторизация пользователя, запрос статистики обучения, обновление статистики обучения не должны обрабатываться промежуточным сервером самостоятельно. Вся личная информация о студенте должна храниться и обрабатываться только на корневом сервере. Однако возможны такие ситуации, когда связь между промежуточным и корневым сервером неустойчива или временно отсутствует. Для того чтобы избежать потери данных, промежуточный сервер обязан сохранить данные во временном хранилище и затем передать их на корневой сервер, как только появится такая возможность.

Промежуточный сервер имеет возможность создавать собственные процедуры обработки запросов от клиентов. Фактически это означает наличие возможности программирования поведения промежуточного сервера. Например, возможность доступа обучаемого к тому или иному курсу определяется параметрами учетной записи пользователя. Доступ к отдельным элементам обучающего курса регламентируется успехами обучаемого.

При работе системы любой из ее серверов не только отдает данные (пересылает клиенту обучающий контент), но и получает их (сохраняет статистику обучения, посылаемую клиентом). Поскольку клиент в процессе одного сеанса обучения может воспользоваться услугами нескольких серверов, все операции по сохранению статистики обучения целесообразно производить только один раз, в конце сеанса обучения. В этом случае данные попадают на сервер, с которым клиент работал в момент завершения сеанса. Сеанс считается успешно завершенным после получения клиентом подтверждения с сервера благополучного сохранения статистики обучения.

Адаптивность системы. Современные обучающие системы в большинстве своем являются статическими. Основной характеристикой таких систем является работа со статическим учебным курсом, полная структура которого разрабатывается преподавателем и затем без каких-либо изменений предлагается студенту для изучения. Основной целью разработчика курса является обеспечение максимальной степени усвоения материала в рамках предопределенной целевой аудитории. Такой подход привносит следующие проблемы в учебный процесс:

·       игнорирование индивидуальных особенностей обучаемых;

·       выпадение студентов с относительно низким или высоким начальным уровнем знаний из состава целевой аудитории;

·       слабая связь между разнородными элементами учебного курса (например, между тестами и уроками).

Всех этих проблем можно избежать, используя средства адаптивного обучения. Под адаптивным обучением понимается автоматическая адаптация учебного курса под текущие нужды обучаемого. Таким образом, чем ниже текущий уровень знаний обучаемого по одному из разделов обучающего курса, тем больше материала по этому разделу включается в состав курса.

Адаптивное обучение имеет ряд отличительных черт.

·       Необходимость предварительного контроля знаний. Система адаптивного обучения должна иметь информацию о начальном уровне знаний студента в данной предметной области. Эта информация служит для генерации структуры курса, которая наилучшим образом подходит для данного студента.

·       Необходимость тщательной детализации учебного курса и выделения самостоятельных частей курса. Поскольку адаптивная система обучения генерирует структуру курса автоматически, в зависимости от текущего уровня знаний обучаемого, невозможно заранее знать, какие части будут предоставлены для изучения.

·       Необходимость установления зависимостей между частями обучающего курса. Считается, что студент не может изучить тему B до темы A, если в теме A содержится информация, необходимая для понимания темы B, и достоверно известно, что студент не обладает достаточными знаниями по теме A.

·       Определение начального уровня знаний. На этом этапе происходит определение исходного уровня знаний обучаемого в данной предметной области. Определение начального уровня знаний может производиться как при переходе к каждому следующему разделу обучающего курса, так и единовременно, перед началом обучения.

·       Генерация структуры обучающего курса. На этом этапе в структуру обучающего курса добавляются элементы, которые необходимо изучить студенту (следует учитывать зависимости между различными элементами).

·       Финальное тестирование. Согласно приведенному выше алгоритму переход к финальному тестированию возможен только в том случае, когда все разделы курса признаны изученными.

Адаптивное обучение обладает рядом преимуществ по сравнению с классическими обучающими системами. В первую очередь сюда относятся:

-    снижение нагрузки на обучаемого и уменьшение общего времени обучения за счет отображения только действительно необходимой информации;

-    возможность расширения целевой аудитории за счет включения в обучающий курс информации, рассчитанной на студентов с различным начальным уровнем подготовки;

-    возможность реализации более удобных средств контроля над действиями пользователя.

Таким образом, интеллектуальные системы адаптивного обучения позволяют повысить качество обучения и снизить затраты на организацию учебного процесса, что ведет к повышению доступности дистанционного обучения.

Мобильность системы. Во всем мире стремительно растет потребность в беспроводных соединениях, особенно в сфере бизнеса. Используя переносной компьютер, подключенный к беспроводной среде передачи данных, пользователь получает широкие возможности планирования учебного процесса.

Одной из наиболее сложных проблем беспроводных сетей является отсутствие стабильной, гарантированной связи с другим компьютером в сети. Таким образом, возникает две проблемы для разработчика программного обеспечения:

1)   клиент-серверная система, основанная на постоянном соединении клиента с сервером не сможет нормально функционировать в условиях беспроводной сети;

2)   программный модуль, работающий на стороне клиента, должен обеспечивать доступ к учебному материалу даже в условиях кратковременного отсутствия связи с сервером.

Для обеспечения полноценного доступа к учебному материалу в условиях отсутствия связи с сервером клиентское приложение должно предсказать последовательность переходов студента к следующим урокам, а также возможные возвраты к предыдущим урокам. После того как прогноз сделан, программа должна загрузить с сервера материал по всем урокам и сохранить его в локальном хранилище. С этого момента часть учебного курса будет доступна локально, и пользователь сможет продолжить обучение при отсутствии связи с сервером.

Предсказание переходов студента от урока к уроку и кэширование необходимых данных осуществляется за счет реляционной модели обучающего курса.

Условно процесс обучения студента можно представить как циклическое чередование двух этапов: изучение теоретического материала и выполнение тестовых заданий. Отсюда следует выделение двух основных типов элементов в составе учебного курса – занятие и тест. Этапы обучения могут располагаться в учебном курсе в любом количестве и в любой последовательности.

Для того чтобы реализовать такие возможности, необходимо построить модель учебного курса, в которой отдельные элементы будут связаны в единую систему. Очевидно, что такими связями должны быть некоторые отношения между элементами электронного обучающего курса. Связи между элементами также могут быть разделены на две категории: связи между однотипными элементами и связи между элементами разного типа. Таким образом, электронный обучающий курс можно представить как сложную реляционную структуру данных, в которой элементы расположены линейно, но способ доступа к ним и последовательность переходов целиком определяются установленными отношениями.

Программное обеспечение системы дистанционного обучения E-Learning Suite зарегистрировано в Реестре программ для ЭВМ, номер свидетельства о регистрации 2006613389. Система эксплуатируется в Тверском государственном техническом университете с сентября 2007 г.