Delist.ru

МОНИТОРИНГ И УПРАВЛЕНИЕ КАДРОВЫМ ПОТЕНЦИАЛОМ ПРЕДПРИЯТИЯ НА ОСНОВЕ МОДЕЛИРОВАНИЯ ПРОЦЕССОВ ЗАБЫВАНИЯ И НАУЧЕНИЯ (19.02.2013)

Автор: ЖАЖА ЕЛЕНА ЮРЬЕВНА

, где A, B – два положительных параметра, подлежащие определению в процессе статистической обработки результатов обучения и тестового контроля.

Если заданы начальные условия дифференциального уравнения u(0)=u0, где положительную величину u можно трактовать как начальную подготовку обучаемого, то, интегрируя уравнение, будем иметь:

Таким образом, при достаточно большом количестве проведенных занятий (в этом случае будем считать x((), независимо от начальной подготовки i-го обучаемого: u0=0, ui(()=Ai/Bi. Отношение Ai/Bi можно трактовать как прогнозируемый предел достижений данного обучаемого.

Для проведения исследований в диссертации проведен анализ и других методов, непосредственно направленных на повышение эффективности формирования учебных планов подготовки и переподготовки персонала.

Выделяются два основных подхода к классификации средств обучения: педагогический и технический. Первый основан на необходимости реализации в учебном процессе различных дидактических целей, в первую очередь формирования представления об окружающей действительности, организации разнообразных видов учебно-познавательной деятельности учащихся, осуществления мотивационных, учебных и контрольно-корректирующих функций и т.п. Второй подход позволяет учесть конструктивно-технологические особенности средств обучения, их деление в зависимости от способа создания, каналов воздействия на учащихся, эргономических характеристик и др.

Поскольку основной задачей является структуризация учебного материала с точки зрения его восприятия-забывания, в работе проведен анализ эффективности восприятия различных форм представления материала в зависимости от каналов воздействия на учащихся и дидактический принцип комплексности средств обучения.

Далее в диссертации проведен анализ современных информационных технологий и рассмотрены компоненты информационно-образовательной среды, представляющие собой системно-организованную совокупность средств передачи данных, информационных ресурсов, протоколов взаимодействия, аппаратно-программного и организационно-методического обеспечения, ориентированную на удовлетворение образовательных потребностей.

Спектр программного обеспечения для электронного обучения (e-Learning) очень широк. На одном краю этого спектра – простые программы, выполненные в HTML, на другом – сложные системы управления обучением и учебным контентом (Learning Content Management Systems), использующиеся в корпоративных компьютерных сетях. Одной из особенностей успешного внедрения системы открытого обучения является правильный выбор программного обеспечения, соответствующего конкретным требованиям. Эти требования определяются потребностями обучаемого, потребностями методиста и, во многих случаях, администратора, который должен контролировать ход и результаты обучения. Среди основных типов таких программ можно выделить: авторские программные продукты (Authoring Packages), системы управления обучением (Learning Management Systems – LMS), системы управления контентом (Content Management Systems – CMS), системы управления учебным контентом (Learning Content Management Systems – LCMS).

Во второй главе диссертации решается задача моделирования процессов научения-забывания с целью включения этих моделей в программный контур формирования учебных планов системы «СОТА».

В случае итеративного научения (ИН) можно считать, что на его результативные характеристики влияют две входные переменные – информация о значении выходной переменной и параметры окружающей среды – внешние условия. Если бы на каком-то шаге изменились оба значения входных переменных, то результаты научения на этом шаге и на предыдущем были бы просто несравнимыми – нельзя было бы сказать, почему реализовалось именно такое значение выходной переменной: потому, что обучаемая система повела себя соответствующим образом, или потому, что изменились условия ее функционирования. Поэтому постоянство внешних условий является существенной характеристикой ИН. Для сравнимости результатов научения в различные моменты времени (использование количественного описания), даже при постоянных внешних условиях, важно также постоянство цели научения.

В качестве основной результативной характеристики ИН принимается критерий уровня научения. В качестве критерия уровня научения в работе исследовались следующие характеристики:

- временные (время выполнения действия, операции, время реакции, время, затрачиваемое на исправление ошибки, и т.д.);

- скоростные (производительность труда, скорость реакции, движения и т.д. – величины, обратные времени);

- точностные (величина ошибки в мерах физических величин (миллиметрах, углах и т.п.), количество ошибок, вероятность ошибки, вероятность точной реакции, действия и т.д.);

- информационные (объем заучиваемого материала, перерабатываемой информации, объем восприятия и т.д.).

Функции научения - забывания

  y – усвоение; n – число испытаний; a и c – константы; b – скорость научения

В общем случае для моделирования процессов такого класса в диссертации предлагается использование функций Лагерра, которые представляют ортонормированный базис в пространстве функций с интегрируемым квадратом.

представляют полиномы n-ой степени. Далее будет использоваться двухпараметрическая функция:

представлен график этого семейства функций для различных порядков полиномов.

Данные параметры для каждого субъекта различаются в плане моделирования процесса научения и процесса забывания. Так для процесса забывания информации значение m может быть достаточно велико, в то время как для научения оно достаточно мало.

. Семейство функций забывания и научения

В предложенной модели экспоненты кривой забывания могут быть вычислены на основе модели:

где: 0(fi(1, ni – объем информации в цикле i до точки прерывания, D - время перерыва, в котором происходит забывание и т.д.

. Если на основании экспериментальных кривых обучения для совокупности обучаемых идентифицированы соответствующие каждому из них пары (A1, B1), (A2, B2),…, (AR, BR), где R – количество обучаемых в группе и начальной подготовленности каждого соответственно была u10, u20,…, uR0, то трудность в оценке индивидуальных достижений каждого обучаемого вызвана их различной начальной подготовленностью. При одинаковой начальной обученности u1(0)=u2(0)=…=uR(0)=u0 знание параметров дает возможность предсказать объем научения у каждого обучающегося в заданный период N. Для обучаемого i объем учебной информации рассчитывается на основании соотношения:

где: i – номер испытуемого; u0 – условная начальная точка начальной подготовленности; N – число занятий.

Использую механизмы терм-связности модулей в работе предложена рекуррентная схема генерации кусочно-функциональной зависимости процесса научения-забывания. Пусть точка tf – точка изменения состояния процесса, т.е. переход от наличия модуля на данном интервале, где использовался терм W, к отсутствию такового, либо, наоборот, от отсутствия к наличию. Тогда рекуррентная схема построения функции забывания имеет вид:

В то время, как функция научения на заданном интервале до следующего изменения состояния будет определяться:

где: cu, mu – показатели функции научения, а cz и mz – показатели функции забывания. Сам вычислительный алгоритм рекуррентной схемы в терминологии MathCad имеет вид:

позволяет строить кусочно-функциональные зависимости для каждого терма с учетом отсутствия либо наличия его в некоторых учебных модулях на текущий момент времени.

. Выборочные траектории функций забывания

В диссертации разработан алгоритм генерации случайной последовательности предъявления модулей с последующим вычислением и построением функции забывания отдельных термов учебного плана. Так, при наличии десяти модулей количество перестановок равно 3.629*106.

В работе предполагается, что для формализованного представления и структуризации учебных планов и рабочих программ целесообразно использовать анализ связности модулей учебных материалов. Модуль представляет структуру M={DM, AM, HM, FD}, где DM - наименование модуля; AM - аннотация модуля; HM - объем часов, выделенных на модуль; FD - указатель дисциплины.

Терм-множество представляет структуру W=WI(WO, где WI - множество входных термов; WO - множество выходных термов. Ww(WI - терм w принадлежит множеству входных термов; Ww(WO - терм w принадлежит множеству выходных термов.

Входные термы определены как: WIw={DIW, FIW, FIW, UIW}, где DIW - идентификатор терма; FIM - указатель принадлежности модулю; FW - ссылка на терм-источник (для организации синонимии термов); UW - коэффициент усиления (определяет увеличение активности использования).

Выходные термы определены как: WOw ={DOW, FOW, FOW. ZOW}, где: DOW - идентификатор терма; FOM - указатель принадлежности модулю; FOW - ссылка на входные термы; ZOW - коэффициент забываемости.

), которые вводятся и закрепляются в модулях учебного плана.

. Генерация функций научения на различных последовательностях модулей

Скорость поступления информации в долговременную память (0,7 бит/с) меньше, чем в кратковременную память (16 бит/с). Лучше всего приспособиться к небольшой скорости запоминания можно путем повторного изложения учебного материала. При этом материал – особенно его важнейшие части – должен варьироваться, то есть преподноситься с другим акцентом, в новых взаимосвязях, с другими примерами, с использованием иных форм представления учебного материала. Подобные меры способствуют лучшему усвоению и запоминанию учебного материала. Также для предупреждения забывания используется повторение материала как сразу после его изложения, так и систематически в дальнейшем.

Таким образом, актуальна постановка и методика решения задачи оптимизации.

загрузка...