НЕКОТОРЫЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ДИСТАНЦИОННОМ ОБРАЗОВАНИИ

АННОТАЦИЯ

В статье рассмотрены типы искусственного интеллекта, возможности искусственного интеллекта узкого типа, используемого в среде дистанционного образования – Moodle, в отношении автоматизации проверки обученности студентов.

ABSTRACT

The article deals with types of artificial intelligence, opportunities of artificial intelligence of a narrow type used in the distance education environment – Moodle, in relation to the automation of student proficiency testing.

Ключевые слова: искусственный интеллект, Moodle, автоматическое оценивание, метод передового оценивания, формы оценивания.

Keywords: artificial intelligence; Moodle; automatic evaluation; advanced evaluation method; evaluation forms.

Искусственный интеллект (ИИ) в настоящее время определяют как науку и технологию разработки интеллектуальных машин и компьютерных программ, которые имитируют творческую деятельность человека [3].

Согласно [3], различают слабый и сильный ИИ. Слабый ИИ или узкий искусственный интеллект – это ИИ, обученный и умеющий выполнять только определенные задачи – потому и «узкий». В настоящее время слабый ИИ является самым распространенным вариантом. Причем более удачным следует считать термин «узкий», поскольку он не совсем и «слабый».

В свою очередь, «сильный» ИИ складывается из Общего искусственного интеллекта и Искусственного сверхинтеллекта. Общий искусственный интеллект или «общий» ИИ — это гипотетическая разновидность ИИ, полностью аналогичная человеческому разуму и обладающая самосознанием, способным решать проблемы, учиться и планировать будущее. Искусственный сверхинтеллект, который иногда называют «сверхразумом», должен превзойти интеллектуальные способности человеческого мозга» [3]. Сильный ИИ пока существует только в теории, и прогнозируют его появление во второй половине 21 века.

Одной из многообещающих возможностей ИИ в образовании является автоматическое оценивание [1, 2]. Система автоматического оценивания на основе ИИ использует компьютерные программы, имитирующие поведение преподавателей при проверке различной по характеру самостоятельной работы студентов.

Она может оценить знания студента, проанализировать ответы, предоставить индивидуальную обратную связь и, возможно, создать обучающий план с учётом индивидуальных особенностей.

В нашем случае дистанционное образование просто обязано использовать ИИ, иначе затрудняются многие стороны взаимодействия «студент-преподаватель». В качестве ИИ применяется среда дистанционного образования (СДО) Moodle, в которой существует возможность включить в учебный процесс контрольные работы различного толка и тестовые проверки освоения студентами учебного материала. Остановимся на некоторых возможностях системы «слабого» типа в отношении автоматического контроля присвоения компетенций в учебном процессе. Обратимся сначала к общим функциональным возможностям согласно спецификации среды.

- Автоматический контроль результатов тестирования (при определенных настройках, во время создания теста, преподаватель может самостоятельно определить необходимость просмотра учащимися результатов, или наоборот не отображать их).

- Возможность корректировки и оценивания выполненных заданий, упражнений, рефератов, эссе, проектов (преподаватель имеет возможность прокомментировать каждый ответ учащегося при проверке (например, оставить свои замечания) для того, чтобы студент понимал, за что ему поставили такое количество баллов или оценки).

- Обеспечение быстрой обратной связью (после проверки заданий, студент так же, как и учитель, может узнать результаты выполненной работы).

- Формирование протоколов-отчетов об выполненных заданиях, практических работах.

- Для каждого задания преподаватель может создать свою шкалу оценок, например, стандартную (5-ти бальную, 100 балловую, зачет – незачет и др.) и оценивать результаты работ учащихся по своему усмотрению либо по стандартам и рекомендациям вуза [4].

На этом фоне рассмотрим более подробно возможности отдельных типов вопросов тестовой проверки. Отметим, что именно тестовые системы проверки наиболее отвечают условиям машинного оценивания.

Современная версия Moodle содержит более 20 типов вопросных систем для выяснения обученности студентов, и обеспечивает наглядность представления материала о результатах тестирования, возможность формирования сводных отчетов, сопоставления итогов, использования графических инструментов для их визуализации.

Большинство типов заданий строятся на стандартном разветвленном алгоритме (с некоторыми разновидностями), при котором происходит сравнение выбранных или вписанных ответов с эталоном, который заранее приводится автором разрабатываемых тестов.

Разновидности алгоритмов могут быть следующими.

Ответ может быть только один верный, причем предполагается только одна альтернатива, например, тип вопроса «Верно/Неверно» предполагает только два ответа. В других вариантах возможно несколько ответов, причем среди них несколько верных, и тут возможны несколько вариантов. Либо ответы соединяются союзом «И», тогда только все правильные ответы в совокупности дают один развернутый правильный ответ, например тип вопроса «Все или ничего». Либо ответы соединяются союзом «ИЛИ», тогда каждый правильный ответ засчитывается со своим удельным весом. Таковые, например, «Простой вычисляемый» и «Вложенные ответы».

Причем тип вопроса «Множественный выбор» может формировать ответы и по первой разновидности и по второй, так как есть режим переключения между ними.

Однако, уже и в этой среде существует тип вопроса «Эссе», который требует отдельной проверки текста, представленного студентом, и, следовательно, ни о каком автоматическом режиме проверки говорить нельзя.

Таким образом, полной автоматизации при проверке тестов в настоящей ИИ нет, хотя при отсутствии типов вопроса «Эссе» удается полностью автоматизировать процесс проверки. Причем, существующая обратная связь позволяет студенту выяснить, в каком случае и какую он совершил ошибку. Теперь уже необходимо говорить об адекватном выборе типа вопроса к определенному учебному тексту, и грамотном составлении самого текста задания.

Рассмотрим возможности среды в отношении автоматизации оценивания контрольных работ, которые в вузовской системе существуют в виде расчетно-графических (просто расчетных или графических) работ, либо в виде вербальных текстов.

Среда предоставляет возможность простого непосредственного оценивания, при этом возможен комментарий, который позволяет студенту определить, в чем заключаются недостатки его работы. В этом случае автоматическая оценка отсутствует.

Однако СДО предоставляет и другую возможность. Если слегка поддаться машинной логике, то для автоматического оценивания можно использовать метод передового оценивания, который включает две новые формы: «Справочник оценщика» и «Рубрика» [5].

При использовании первой формы контрольную работу предварительно следует разбить на определенные этапы (фазы, разделы). Отметим, что такое разделение наиболее удобно для расчетно-графических работ. При этом до студента доводится тот факт, что при выставлении оценки будет учитываться полное и правильное выполнения каждого выделенного этапа (фазы, раздела). Каждый такой этап может иметь свой вес, чем формируется окончательная интегральная оценка работы.

К примеру, дается комплексная физическая задача, в результате которой можно получить определенные величины. Эти величины в конце задачи выделяются в виде окончания этапа и им присваиваются номера:

1) найти энергию, требуемую для системы;

2) определить работу установки;

3) вычислить мощность всего устройства… и т. д.

Предварительно студенту определяются условия, при которых этап считается выполненным. В частности: привести исходные закономерности, их формулы и показать вывод конечной формулы.

Поэтому, когда преподаватель получает работу, то он просто отмечает факт выполнения отдельных составляющих, на основании чего система сама выставляет оценку.

Эту форму проще всего автоматизировать полностью, если создать систему эталонных ответов. Что конечно, проще выполнить для расчетно-графических работ, однако это может потребовать значительных затрат памяти.

Отметим, что при ручной проверке мы обязательно оцениваем степень выполнения этапа. Здесь же нужно каждый этап считать выполненным или невыполненным. То есть не существует градаций выполнения.

Этот недостаток отсутствует во второй форме. Она несколько сложнее и ее чаще используют для вербальных работ. Для этого выбираются критерии оценки сути работы, а к каждому критерию определяются градации (степень) выполнения. Каждой градации придается вес, чем и формируется конечная оценка.

Рассмотрим пример из области гуманитарных наук. Допустим, студентам нужно составить текст лекции заданного вида, при этом задаются критерии:

1) текст лекции должен соответствовать указанному в задании виду;

2) контекст лекции должен содержать примеры из практики и т. д.

К данным критериям вводим градации (их можно вводить много):

1) полностью соответствует;

2) частично соответствует;

3) больше не соответствует;

4) совсем не соответствует.

Теперь при оценивании усложняется выбор градации, но при наличии 5-7 градаций ошибка нивелируется.

Таким образом, существующая система ИИ слабого типа не позволяет организовать автоматическую оценку полностью, даже текущих проверок, не говоря о проверке курсовых работ и проектов, тем более о конечной аттестации. Возможности усилятся если: увеличится оперативная память СДО и появятся алгоритмы, позволяющие выявлять ассоциативно логические цепи, морфологию и синтаксис текстов, а также соответствие поставленным критериям, которые не представляют собой эталоны, а имеют определенный учебно-методический смысл.

Список литературы:

1. Искусственный интеллект в образовании: Изменение темпов обучения. Аналитическая записка ИИТО ЮНЕСКО / Стивен Даггэн; ред. С.Ю. Князева; пер. с англ.: А.В. Паршакова. – Москва: Институт ЮНЕСКО по информационным технологиям в образовании, 2020.
2. Искусственный интеллект в образовании: семь вариантов применения. – https://the-accel.ru/iskusstvennyiy-intellekt-v-obrazovanii-sem-variantov-primeneniya/
3. Искусственный интеллект (ИИ). – https://www.ibm.com/ru-ru/cloud/learn/what-is-artificial-intelligence
4. Возможности оболочки дистанционного обучения Moodle. – https://teacher.soiro.ru/pluginfile.php/312999/mod_resource/content/1/2_Moodle%20%281%29.pdf
5. Руководство по системе Moodle для преподавателей. – http://e.kazanriu.ru/pluginfile.php/31/mod_resource/content/4/Prepod_manual.pdf