Interactive Inductive Learning: Application in Domain of Education

Abstract

Interactive Inductive Learning: Application in Domain of Education globalization presents an opportunity to obtain education from several education providers by using different study exchange programmes. This possibility, in turn, creates the need to compare available study courses in foreign institutions to courses on the curriculum of the institution which issues the degree. Manual course comparision is time consuming and requires involvment of highly skilled experts. Otherwise, the comparison may result in a superficial intuitive judgement and, consequently, course incompatibility problems. Interactive inductive learning supported by enterprise modelling is proposed as a supporting mechanism which can help to save the time an effort in study course comparison. Interaktīva induktīvā apmācība: pielietojums izglītības jomā Pieaugošais informācijas apjoms pasaulē ir veicinājis tādu automātisku datu apstrādes tehniku attīstību, kas spēj atvieglot cilvēka rutīnas darbu, apstrādājot lielus datu apjomus. Mašīnapmācībā tiek izmantots plašs metožu klāsts, tomēr sistēmās, kur cilvēkam nepieciešams saprast lēmuma pieņemšanas ceļu, kā arī tālāk apstrādāt iegūto rezultātu, ir novērtējamas induktīvās apmācības metožu priekšrocības. Lai uzlabotu induktīvās apmācības sniegtos rezultātus, ir iespējams iesaistīt cilvēku to objektu klasificēšanā, kurus induktīvās apmācības izveidotais klasifikators nespēj klasificēt pats. Globalizācija sniedz iespēju iegūt izglītību vairākās izglītības iestādēs, tai pat laikā iegūstot grādu vienā mācību iestādē. Šīs iespējas savukārt rada vajadzību salīdzināt pieejamās ārzemju studiju programmas ar tās mācību iestādes programmu, kur izsniedz izglītību apstiprinošo grādu. Tas ir nepieciešams, lai pārliecinātos, ka studijas ārpus pamatmācību iestādes atbilst izvēlētajai studiju programmai un iegūstamajam grādam. Katrs studiju priekšmets ir atšķirīgs no citiem pēc nosaukuma, apjoma un citiem parametriem. Tomēr satura ziņā daļa priekšmetu var pārklāties. Lai risinātu priekšmetu salīdzināšanas problēmu, tiek piedāvāts izmantot interaktīvu induktīvās apmācības sistēmu. Netiešajā studiju priekšmetu salīdzināšanā par raksturīgajām iezīmēm izvēlētas iegūstamās kompetences, studiju līmenis un priekšmeta apjoms kredītpunktos. Šie parametri kā būtiskākie studiju priekšmetus raksturojošie lielumi iegūti ar uzņēmuma zināšanu attīstīšanas metodi (Enterprise Knowledge Development — EKD). Mācību priekšmetos iegūstamās kompetences tiek attēlotas Eiropas e-kompetenču ietvarā (e-CF), veicot priekšmeta apraksta un sasniedzamo mācību rezultātu sasaisti ar ietvaru. Sākotnējie eksperimenti parāda, ka ar interaktīvas induktīvās apmācības palīdzību iegūtais klasifikators spēj likumu veidā vispārināt studiju priekšmetiem raksturīgākās kompetences un klasificēt jaunus studiju priekšmetus atbilstoši apgūtajam standartam. Интерактивное индуктивное обучение: применение в сфере образования Увеличивающийся объём информации в мире способствовал развитию автоматических техник обработки данных, которые способны облегчить рутинную работу человека по обработке больших объёмов данных. В машинном обучении используется широкий набор методов, однако преимущества методов индуктивного обучения проявляются в системах, где человек должен понимать ход принятия решения, а также впоследствии обрабатывать полученный результат. Чтобы улучшить результаты индуктивного обучения, можно привлечь человека для классификации тех объектов, которые созданный в ходе индуктивного обучения классификатор не может классифицировать самостоятельно. Глобализация даёт возможность обучаться в нескольких учебных заведениях одновременно, получая степень в основном учебном заведении. Эти возможности, в свою очередь, приводят к необходимости сравнить имеющиеся зарубежные программы обучения с программой того учебного заведения, которое выдаёт подтверждающую образование степень. Это необходимо, чтобы убедиться в том, что учёба вне основного учебного заведения соответствует выбранной программе обучения и получаемой степени. Каждый учебный предмет отличается от других по названию, объёму и другим параметрам. Однако в части содержания некоторые из предметов могут перекрываться. Чтобы решить проблему сравнения предметов, предлагается использовать интерактивную систему индуктивного обучения. Для косвенного сравнения предметов в качестве наиболее характерных признаков выбраны получаемые компетенции, уровень обучения и объём предмета в кредитных пунктах. Эти параметры как величины, наиболее характеризующие учебные предметы, получены с помощью метода развития знаний предприятия (EKD). Получаемые в рамках учебных предметов компетенции представлены в соответствии с Европейской квалификационной рамкой ИКТ-компетенций (e-CF), связывая описание предмета и получаемых результатов обучения с рамкой компетенций. Предварительные эксперименты показывают, что полученный с помощью интерактивного индуктивного обучения классификатор может в виде правил обобщить наиболее характерные для учебных предметов компетенции и классифицировать новые учебные предметы в соответствии с освоенным стандартом.