CC BY
60
ки и реализации корпоративных программ для менеджеров различного звена, HR-работников и пр. Будем надеяться, что не за горами и разработка проекта программы для повышения квалификации преподавателей колледжей и вузов!
— А.А.: Каковы перспективы использования информационных и коммуникационных технологий в коучинге?
— НД.: По поводу использования информационных технологий можно сказать, что коучинг весьма широко использует современные возможности в этой сфере. 70% коучинга в США проводится по Скайпу или телефону. Крупные компании используют видео-и конференцсвязь для работы коуча с сотрудниками из другихгородов. Зачастую кли-
ент вообще не встречается со своим коучем, а коуч-сессия проходит исключительно по-средствомиспользования информационных технологий. Здесь очевидны преимущества: экономия времени, фокус на конкретной теме-запросе, полная концентрация коуча на всех оттенках голоса, возможность проявить глубокое активное слушание.
Важность проблемы побудила участников диалога выступить с предложением организовать секцию «Коучинг в образовании» на предстоящей V Международной конференции по вопросам обучения с применением технологий e-Learning “MOSCOW Education Online 2011”, которая пройдет с 19 по 21 октября 2011 г. в -Москве.
А.П. ГОРЯШКО, профессор Н.В. КОМЛЕВА, канд. экон. наук Всероссийская государственная налоговая академия Министерства финансов РФ
Образование на основе компетенций в открытых информационных средах: алгоритмы принятия решений
В работе рассмотрены вопросы, возникшие в связи с переходом на новые образовательные стандарты. Утверждается, что полноценная реализация образования на основе компетенций требует использования возможностей, предоставляемых современными информационными системами. Проанализировано, какие формальные проблемы принятия решений при этом возникают и какова алгоритмическая сложность решения этих проблем.
Ключевые слова: управление знаниями, компетентностный подход к образованию, открытый образовательный ресурс, профессиональное сообщество, учебный объект, электронный курс, принятие решений, оценка алгоритма
В настоящий момент происходит процесс перехода на двухуровневую модель образования на базе новых образовательных стандартов, основывающихся на компетентностям подходе к образованию, суть которого - в ориентации стандартов, учебных планов и образовательных про-
грамм на результаты обучения, т.е. в переносе акцентов с содержания дисциплин на приобретение знаний, умений и навыков, полученных в результате изучения дисциплин по выбранной образовательной программе. В связи с этим меняются требования не только к содержанию учебного ма-
териала, но и к форме представления курса, используемым инструментам и сценариям обучения, к организации самостоятельной работы учащихся. Активно внедряется электронное обучение, которое, наряду с традиционным, образует смешанную (blended) модель обучения, находящую все более широкое применение. Создание качественных учебных курсов требует непрерывной актуализации образовательного контента.
Информационные технологии проникают во все сферы жизнедеятельности общества, создавая новое информационное общество, в котором знания генерируются и передаются с огромной скоростью, причем знания, актуальные сегодня, завтра уже могут быть абсолютно бесполезными [1]. Поэтому концепция управления знаниями должна быть направлена на решение проблемы формирования актуального контента и оперативную доставку его обучаемым.
Роль открытых образовательных ресурсов и профессиональных сообществ в создании актуального и качественного контента
Все больше информационных ресурсов размещаются в Интернете для свободного использования на открытых образовательных ресурсах (ООР). Открытый образовательный ресурс - это источник образовательной и/или научной информации, который размещен в свободном доступе в Интернете и использование которого не ограничено нормативно-правовыми документами. Открытый образовательный ресурс может включать полный электронный курс обучения, составные его элементы (методические материалы, модули, учебные пособия, видео- и аудиоматериалы, тесты, программное обеспечение), а также инструменты, материалы или технологии направленные на обеспечение (поддержку) доступа к знаниям [2]. Обработка большого объема материала при создании контен-
та курса невозможна без использования интеллектуальных технологий поддержки этого процесса. Поэтому все более очевидным становится переход от разработки курса отдельным преподавателем к технологии создания учебных курсов с помощью профессиональных сообществ
(Communities of Practice), построенных на базе социальных сетей и объединяющих профессионалов как в области самого предмета (экспертов), так и в сфере эффективного использования предоставляемых ресурсов.
Профессиональное образование готовит будущих сотрудников различных организаций и обязано учитывать запросы будущих работодателей. В свою очередь, работодатели заинтересованы в обеспечении своей конкурентоспособности в условиях экономики, основанной на знаниях. Основным инструментом сближения современного образования и бизнеса является компе-тентностный подход, получивший признание в Европе и России в рамках Болонского процесса. Исследователи подчеркивают именно практическую направленность компетенций: «Компетенция является... сферой отношений, существующих между знанием и действием в человеческой практике »[3]; «Компетентностный подход предполагает значительное усиление практической направленности образования» [4]. Таким образом, с помощью компетенций устанавливается связь между профессиональным образованием и потребностями рынка труда.
Профессиональные сообщества становятся тем информационным пространством, в котором работодатели могут выразить свои требования к содержанию обучения, а преподаватели - учесть их в своих курсах. Таким образом, работодатели становятся участниками образовательного процесса и оказывают непосредственное влияние на формирование требуемых компетенций у учащихся.
Портал профессионального сообщества как инструмент структуризации знаний
Портал профессионального сообщества - это информационное пространство, где обобщается и анализируется мировой опыт в конкретной области, собирается информация об успешных решениях в реализации электронного обучения, с тем чтобы сделать эту информацию доступной для других преподавателей при создании и актуализации их курсов [5]. Вся публикуемая на портале информация размещается в репозитарии портала в виде объектов различных форматов, таких как тексты, рисунки, анимация, аудио- и видеофрагменты, web-страницы, web-сайты, PDF-документы, PowerPoint-презентации и др., она доступна для обсуждения и оценивания участниками сообщества. Материал, получивший высокий рейтинг, может быть использован в учебных курсах.
Частью эффективной организации учебного процесса оказываются новые технологии создания учебных курсов, и здесь возможны два варианта:
■ курс разрабатывается автором при поддержке профессионального сообщества и на основе имеющихся у него и рекомендованных ему сообществом материалов открытых образовательных ресурсов и других источников сети Интернет;
■ курс разрабатывается автоматизированной системой из объектов, хранящихся в репозитарии портала профессионального сообщества, в соответствии с требуемыми компетенциями, определяемыми образовательным стандартом. При этом курс представляет собой агрегированный учебный объект, составленный из множества объектов, объединённых в один в определённой последовательности(линейной или иерархической). В свою очередь, агрегированные объекты-курсы могут аналогичным образом объединяться в учебные программы.
Использование объектной концепции
представления знаний в репозитарии портала позволяет выстраивать оптимальную траекторию движения обучаемого к цели на основе управляемого усвоения учебного материала в обучающей системе путем формирования цепочки объектов таким образом, что входной информацией к следующему служит уровень компетенции обучаемого по окончании изучения предыдущего. При таком подходе курс представляет собой цепочку объектов, выбранных из репозитария портала и одобренных членами профессионального сообщества [6]. Применение объектного подхода к структурированию знаний обеспечивает эффективность организации учебного процесса за счет построения гибких, персонифицированных технологий обучения, изменения содержания и сценариев педагогической работы преподавателей. Именно такие изменения в образовательных технологиях отвечают вызовам современности, гарантируя увеличение объема знаний и скорость их обновления.
Алгоритмы принятия решений при формировании индивидуальных образовательных траекторий
Формирование траектории курса требует принятия решений о включении тех или иных объектов в соответствии с заданной целевой компетенцией. Подобные задачи являются типичными представителями теории решений. На содержательном уровне эти задачи выглядят следующим образом.
В первую очередь необходимо описать «предметную область », т.е. техническую среду, в которой предполагается найти объект, удовлетворяющий некоторой цели. Примером такой технической среды может служить web-портал профессионального сообщества, содержащий разнообразные информационные ресурсы (книги, статьи, сообщения, комментарии и т.п.), относящиеся к некоторым областям знаний. Затем (на вербальном уровне) формулируется
сама цель поиска. Например: «удовлетворительный набор информационных материалов по дисциплине “дискретная математика”».
Затем следует указать критерии (атрибуты), которые предполагаются существенными для достижения заданной цели. Например: степень удовлетворительности выбранного набора информационных материалов с точки зрения компетенций, заданных по дисциплине «Дискретная математика», доступность изложения этого материала для учащихся заданного уровня, общий объем выбранных материалов, наличие проверочных материалов и упражнений и т. п. Предполагается, что подобное множество критериев содержит информацию о важности (с точки зрения лица, принимающего решения) того или иного критерия для достижения поставленной цели. Для дальнейшего использования этой информации необходимо, как минимум, частично упорядочить предложенные критериев по важности, а еще лучше - приписать каждому из них весовые коэффициенты.
Если в распоряжении имеется некоторое множество альтернатив - наборов информационных материалов по заданной дисциплине, - то задача состоит в том, чтобы выбрать «наилучшую» с точки зрения взвешенных по важности критериев.
В простейшем случае в качестве альтернатив может быть двоичный ответ «ДА», т.е. принять предлагаемый набор, или «НЕТ ». В более сложном случае необходимо все имеющиеся (более двух) альтернативы упорядочить по степени соответствия поставленной цели, т.е. сформулированным критериям.
Очевидно, уже на этапе «взвешивания» критериев мы допускаем произвол или субъективный выбор. Полностью избавиться от него в задачах подобного рода невозможно. Кроме того, при выборе альтернатив мы неизбежно оказываемся перед неразрешимой в общем случае «проблемой
остановки », а именно - перед вопросом об установлении достаточного множества альтернатив, т.е. такого, которое позволяет надеяться на то, что новые альтернативы уже не обеспечат существенно лучшего результата.
Постановка задачи организации знаний в информационных системах, в отличие от традиционных (см., напр., [7]), характеризуется весьма большим числом возможных альтернатив. Поэтому существенным ограничением при решении задачи будут необходимые вычислительные ресурсы. А значит, прежде чем решать вопрос о выборе того или иного алгоритма принятия решений, полезно рассмотреть иерархию вычислительной сложности известных методов. Это позволит в дальнейшем, зная достаточно точно исходные данные задачи (объем анализируемых материалов и требования к созданию и/или пополнению учебного курса), принимать обоснованное суждение о выборе и алгоритмической реализации метода принятия решений.
Постановка задачи
Пусть N экспертам поручено из одних и тех же Я (Я>> N информационных материалов отобрать некоторое количество материалов, которые, по их мнению, наилучшим образом раскрывают заданную конкретную тему. При этом от экспертов не требуется приводить обоснование своего решения и им не задано никаких ограничений по количеству материалов, которые следует включить в выбираемый ими набор.
После того как эксперты выполнят свою работу, в распоряжении лица, принимающего решения (ЛПР), имеется N (не обязательно полностью различных) наборов информационных материалов. Задача ЛПР состоит в том, чтобы принять решение о том, какой из представленных ему наборов (альтернатив) он признает наилучшим и выберет для включения в учебный курс.
Свои предпочтения ЛПР явно (в отли-
чие от экспертов, осуществивших предварительное создание наборов) формулирует в виде перечня атрибутов А,.., Ам и шкал ЕЕм по каждому атрибуту. Заметим, что шкалы могут быть как ординальными, так и кардинальными. Важно, что ЛПР может задавать упорядочение атрибутов, т.е. указать А> А.2> ... > А ,м .
ЛПР принимает решение о выборе некоего набора из N заданных, реализуя тот или иной метод (алгоритм) принятия решений. Чтобы оценить трудоемкость процесса принятия решения, введем представление об информационных квантах (ИК) и о базовых информационных операциях (БИО). Информационным квантом может быть слово естественного языка, или машинное слово заданной разрядности, или k бит информации. А в качестве БИО можно рассматривать операции чтения/записи одного ИК, сравнения двух ИК или выполнение элементарных арифметических операции с парой ИК. Тогда трудоемкость процесса выбора решения из наличных N альтернатив будет определяться оценкой необходимого числа БИО как функции от N, числа атрибутов М и заданной величины k информационного кванта.
Стратегии принятия решений и оценки их трудоемкости
Любая рациональная стратегия принятия решений при выборе из нескольких альтернатив предполагает, что если для каждой из альтернатив могут быть указаны значения из одного и того же множества атрибутов (качеств), полезность каждой альтернативы равна взвешенной сумме полезностей каждого из атрибутов. Это означает, что ЛПР допускает возможность того, что недостаток полезности одного атрибута может быть компенсирован полезностью другого атрибута, т.е. имеет место компенсационный принцип [8]. Любая стратегия, которая опирается на такой принцип компенсации, осуществляет некоторый процесс взвешенного суммирования.
Оценим трудоемкость реализации подобных стратегий в предположении, что в анализируемой задаче присутствует N альтернатив и М атрибутов по каждой альтернативе. Для определенности будем считать, что в качестве базовых информационных операций использованы операции чтения/ записи k бит информации, сравнения двух двоичных слов размерности k или выполнение элементарных арифметических операций над парой двоичных слов размерности k ^ << N, ^<М).
1. Рассмотрим вначале метод попарных сравнений [5]. Он предполагает построение матрицы Мх М и оперирование с элементами этой матрицы (нормализация) для вычисления весовых коэффициентов и оценки согласованности суждений. Кроме того, для каждого из М качеств необходимо построить матрицу Nх N, с помощью которой можно определить приоритет каждой из альтернатив. На последнем этапе происходит вычисление взвешенной суммы весов по всем атрибутам.
2. Следующий известный метод состоит в том, что каждому из атрибутов по заранее известным правилам приписывается вес, после чего для каждой из N альтернатив вычисляется взвешенная сумма весов и, наконец, из N полученных чисел выбирается максимальное.
3. Частным (но вполне распространенным) случаем предыдущей стратегии является стратегия, при которой предполагаются одинаковыми веса всех атрибутов. Назовем ее равномерно-взвешенной стратегией.
4. Лексикографической стратегией выбора (ЛЕКС) принято называть стратегию, при которой выбирается альтернатива, имеющая максимальное значение по наиболее предпочтительному атрибуту. При наличии нескольких альтернатив с одинаковым значением по наиболее предпочтительному атрибуту переходят к рассмотрению следующего по важности атрибута и т.д.
Исторически первая, явно сформулированная стратегия принятия решения предло-
жена в работах Герберта Саймона [9]. Она получила имя, изобретенное автором, -шЫфсгщ. Процесс выбора шЫфсгщ (удовлетворительных, или УД) решений основан на предварительно заданных уровнях отсечения по каждому атрибуту и осуществляется следующим образом. Первая по списку альтернатива проверяется на удовлетворение по значениям атрибутов. Если значение какого-нибудь атрибута оказывается ниже уровня отсечения, то рассматриваемая альтернатива отвергается, после чего переходят к рассмотрению следующей. Первая же альтернатива, в которой все атрибуты оказались выше уровня отсече- ^ ния, выбирается.
Если ни одной такой альтернативы не оказывается, то уровень отсечения может быть понижен и процесс повторяется.
5. Объединением свойств методов ЛЕКС и УД является метод элиминации по атрибутам (ЭПА). Здесь также проверяется выполнение условий удовлетворения по уровням отсечения, но в порядке, который задается упорядочением атрибутов по важности. Вначале «отбраковываются» все альтернативы, которые не проходят по самому важному атрибуту, затем по атрибуту следующей важности - и так до тех пор, пока не останется единственная альтернатива. Если единственная альтернатива находится без изменения уровня отсечения, то верхняя и нижняя оценки трудоемкости для ЭПА совпадают с оценками для ЛЕКС. В противном случае верхняя и нижние оценки должны быть умножены на число «ослаблений» уровня отсечений. В большинстве реальных случаев трудоемкость метода ЭПА будет ниже, чем ЛЕКС. Вырож-
денным случаем стратегии поиска является случайный выбор. Такой способ будет представлять интерес лишь как возможность указать «абсолютный ноль» на шкале трудоемкости. Для того чтобы сделать сравнение оценок трудоемкости, приведенных выше, более наглядным, представим каждую оценку 0. как функцию лишь одной переменной N. Г рафик поведения оценок трудоемкости показан на рис. 1. Здесь а = Мх - коэффициент пропорциональности, а к, как и раньше, размерность информационного кванта. Трудоемкость всех ал-
горитмов типа взвешенного суммирования одинаковы по порядку величины N. А вот трудоемкость стратегии попарного суммирования по порядку величины N много больше. Также по порядку величины N отличается и трудоемкость случайного выбора, которая меньше по порядку величины, чем любая стратегия взвешенного суммирования (05(N/ 0. (^ = о(1) для ] =2, 3, 4).
Заключение
Таким образом, использование информационных ресурсов Интернета для организации открытых образовательных ресурсов приводит к необходимости тщательной оценки трудоемкости возникающих при этом задач упорядочивания и
в2= aN &! = a N2
N
Рис. 1. Оценка трудоемкости реализации стратегий принятия
решений
ранжирования разнородной информации.
Хотя многие методы оценки качества, которыми пользуются разработчики Интернет-технологий, носят в значительной мере субъективный характер, возможно установить сложностные иерархии, т.е. предложить достаточно представительный набор оценок трудоемкости алгоритмов, которые используются (или могут быть использованы) при организации информации для образовательных ресурсов.
Такие сложностные иерархии позволят разработчикам сознательно выбирать методы решения, соразмеряя имеющиеся в их распоряжении ресурсы (время вычислений, объемы памяти) с необходимыми затратами, которые диктуются сложностью выбранного алгоритма.
Литература
1. Тихомиров В.П. Информационно-комму-
никационные технологии в управлении академическими знаниями и электронном образовании // Всероссийская научнопрактическая конференция с международным участием «Информационные технологии в обеспечении нового качества высшего образования» (14-15 апреля 2010 г., Москва). М., 2010.
2. Global trends in the development and use of
open educational resources to reform educational practices. URL: http://
ru.iite.unesco.org/pics/ publications/en/ files/ 3214676.pdf
3. Зимняя И.А. Ключевые компетентности
как результативно-целевая основа компе-тентностного подхода в образовании. М.: Исследовательский центр проблем качества подготовки специалистов, 2004.
4. Леднев В.С., Никандров Н.Д., Рыжаков М.В. Государственные образовательные стандарты в системе общего образования: теория и практика. М., 2002.
5. Комлева Н.В. Информационные технологии
в обеспечении эффективного и качественного образования в открытой информационной среде // Экономика. Налоги. Право.
2010. №5 (Спецвыпуск «Информационные технологии в образовании»).
6. Комлева Н.В. От печатных учебников к
электронным учебным курсам // Проблемы полиграфии и издательского дела. Известия высших учебных заведений.
2011. №1.
7. Саати Т.Л. Принятие решений при зави-
симостях и обратных связях М.: Изд-во ЛКИ, 2008.
8. Bounded Rationality. The Adaptive Toolbox /
Ed. G. Gigerenzer and R. Selten. MIT Press, 2002.
9. Simon H.A. Rational Decision-Making in Business Organization. Nobel Memorial Lecture. 8 December, 1978. Carnegie-Mellon University Pittsburgh, 1978.
GORYASHKO A., KOMLEVA N. COMPETENCY-BASED EDUCATION IN OPEN INFORMATION ENVIRONMENTS: ALGORITHMS OF DECISION-MAKING
The article focuses on the issues connected with the transition to new the educational standards. The authors claim that full realization of competency approach to education requires the use of facilities provided by up-to-date information systems. Formal problems of decisionmaking are analyzed and complexity of solution algorithm is assessed.
Key words: knowledge management, competency approach, open educational resource, community of practice, reusable information object, e-learning course, decision making, algorithm assessment.
