Дидактика цифровой среды - страница 41

В-четвертых, ИС извлечения знаний из ресурсов открытой среды. Алгоритмы text mining (ответвление data mining) широко используются в направлениях извлечения знаний из слабоструктурированной текстовой информации: автоматизации и оценки новостных статей, продукции, идентификации персоналий, реферирования и аннотирования и т. д. Цель проводимых исследований – повышение эффективности применения технологий в области анализа (распознавания, классификации, поиска) научно-образовательной текстовой информации, за счет выбора и/или разработки программ и алгоритмов извлечения данных из слабоструктурированной текстовой информации и получение более высокой точности и качества при обработке отдельных информационных кластеров. За последние десятилетия многие ведущие производители программного обеспечения развили свои решения в области text mining, перейдя от уровня узконаправленных функциональных программ (классификации, реферирования, статистического и лингвистического анализа и др.) до уровня больших аналитических информационных систем с встроенными модулями (библиотеками) машинного обучения и интеллектуального анализа данных. Как правило – это масштабируемые системы, функционирующие в архитектуре клиент-сервер, с развитым графическим интерфейсом, в которых интегрированы различные методы и алгоритмы анализа текстовых данных, инструменты визуализации и манипулирования с данными, их форматами представления.

В-пятых, ИС анализа и обработки больших массивов данных (big data). Интеллектуальные системы предназначены для анализа больших объемов информации в интерактивном режиме и создания данных, позволяющих принимать обоснованные решения и целенаправленно улучшить качество образовательного процесса. Обеспечивается это за счет: многомерного анализа данных по множеству параметров, выполнения аналитических операций с помощью различных статистических методов, агрегирования и детализации данных по запросу, осуществления произвольных срезов данных и анализ их источников и др. Благодаря новым интеллектуальным инструментам деятельности в образовательный процесс вовлекаются данные, которые всегда циркулировали в сфере образования, но не сохранялись и не подвергались детальному анализу. Например, в образовательных учреждениях с помощью информационных систем собираются данные по всем направления деятельности: учебная, научно-методическая, организационно-управленческая, прогностическая, контрольно-оценочная, общекультурная, включая поведенческую.

Любое действие человека в сети Интернет оставляет свой «цифровой след». Например, взаимодействие пользователя с образовательным контентом цифровой среды протоколируется информационной системой и может быть проанализировано (затраченное время, систематичность взаимодействия с ресурсом, результаты, количество попыток при выполнении заданий, количество и тип ошибок и пр.). Постоянный сбор данных о работе пользователя с образовательным контентом и интеллектуальный анализ этих данных позволяет не только поддерживать решения субъектов образовательного взаимодействия, но и совершенствоваться самой информационной системе.

Преимущество таких взаимодействий – возможность многоаспектного анализа образовательных процессов и явлений в автоматизированном, самообучающемся режиме. Получение новых данных и формирование информационных объектов, необходимых субъектам учебного процесса в конкретной образовательной ситуации. Как следствие, построение эффективных моделей персонализации учебно-познавательной деятельности при реализации вариативных учебных стратегий, в различных образовательных практиках.