Магистратура
2020/2021![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Управление знаниями и адаптивные информационные системы в образовании
Статус:
Курс обязательный (Цифровая трансформация образования)
Направление:
38.04.04. Государственное и муниципальное управление
Кто читает:
Институт образования
Где читается:
Институт образования
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Незнанов Алексей Андреевич
Прогр. обучения:
Цифровая трансформация образования
Язык:
русский
Кредиты:
6
Контактные часы:
40
Программа дисциплины
Аннотация
Цель дисциплины – познакомить студентов с ключевыми подходами к формализации, моделированию и машиночитаемому представлению знаний. Студенты осваивают метода и средства онтологического инжиниринга, а также современные подходы к созданию продуктов, относящихся к классу семантических, получает навыки представления знаний в различных предметных областях с использованием ключевых моделей, а также средств онтологического инжиниринга, учатся структурировать информацию в различных, в т.ч. малознакомых, сложных и междисциплинарных предметных областях
Планируемые результаты обучения
- Понимает особенности работы со знаниевыми системами
- Знает основные методы, стандарты и инструменты работы с онтологиями
- Способен создавать простые прикладные онтологии
- Понимает цели, задачи и ограничения адаптивного обучения
- Способен анализировать данные адаптивного учебного процесса для выявления лакун в знаниях
Содержание учебной дисциплины
- Данные и знания, представление знанийИнформация и данные. Метаданные и их уровни. Форматы данных. Протоколы и интерфейсы доступа к данным. Формализация метаданных. Обмен метаданными. Данных в области образования – напоминание. Знания как метаданные. Процедурное и декларативное знание. Представление знаний. Основные формы знания с точки зрения решения задач. Объекты и атрибуты. Сущности и понятия. Объём и содержание понятия. Анализ формальных понятий. Предметные области, их глоссарии и тезаурусы. Значимость терминологических систем и проблемы их построения. Таксономии и классификаторы. Формальные системы и логики. Факты и истинность. Логика высказываний и логика предикатов. Многосортные логики. Неклассические логики. Развитие логик. Дескриптивные логики: сущности, экземпляры и роли. Модальные логики. Логики причинно-следственной связи. Стандарт Common Logic (ISO/IEC 24707:2018). Логический вывод. Визуализация логического вывода. Передача знаний. Развитие форматов хранения и передачи знаний. От KIF к современному состоянию.
- Онтологическое моделированиеОнтология как общая эксплицитная спецификация концептуализации. Требования к онтологиям. Уровни онтологий, метаонтологии и предметные онтологии. Стек Semantic Web, стандарты RDF, OWL и SPARQL. Дескриптивная логика в Sematic Web. Синтаксис и семантика языка SPARQL. Тезаурусы в Semantic Web, стандарт SKOS. Создание, верификация и слияние онтологий. Основные инструменты онтологического моделирования.
- Адаптивность и персонализация учебного процессаПерсонализация обучения и научения. Адаптивные образовательные технологии. Информационные системы поддержки адаптивного учебного процесса. Методы обеспечения адаптивности. Выявление лакун в знаниях. Образовательные траектории. Педагогические интервенции. Автоматическая генерация заданий. Подготовка учебных материалов для адаптивного учебного процесса. Гибридное обучение и коллаборативные технологии. Байесовский подход к анализу уровня обученности. Формализация лакуны в знаниях. Байесовский анализ результатов контрольно-измерительных мероприятий. Валидация контрольно-измерительных материалов для адаптивного учебного процесса. Дополнительные статистические методы. Робастная статистика. Анализ образовательной траектории. Представление ветвящихся и циклических образовательных траекторий. Учебная аналитика для целей повышения адаптивности и мониторинга его последствий. Майнинг образовательных данных в адаптивных системах.
- Онтологически-контролируемое обучениеОнтологически-контролируемое обучение как методология. Уточнение связи адаптивности и персонализации с эксплицитным и имплицитным представлением знания. Компетенции и знание. Формулировка пререквизитов и результатов обучения в виде ссылок на элементы онтологии. Онтологии предметных областей и онтология учебного процесса.
- Тренды и смежные областиРазвитие методологий построения адаптивного учебного процесса. Перспективные подходы и тренды. Искусственный интеллект в образовании.
Промежуточная аттестация
- Промежуточная аттестация (2 модуль)0.175 * Домашнее задание 1 + 0.21 * Домашнее задание 2 + 0.175 * Домашнее задание 3 + 0.3 * контрольная работа + 0.14 * Эссе
Список литературы
Рекомендуемая основная литература
- Искусственный интеллект : стратегии и методы решения сложных проблем, Люгер, Дж. Ф., 2005
- Онтологии в компьютерных системах, Лапшин, В. А., 2010
- Онтологическое моделирование экономики предприятий и отраслей современной России. Ч.1. Онтологиче..., , 2011
- Онтологическое моделирование экономики предприятий и отраслей современной России. Ч.2. Мировые ис..., Гурьянова, М. А., 2011
Рекомендуемая дополнительная литература
- Искусственный интеллект : современный подход, Рассел, С., 2018
- Искусственный интеллект на службе бизнеса : как машинное прогнозирование помогает принимать решения, Агравал, А., 2019
- Образовательные технологии. N.3, , 2018
- Образовательные технологии. N.3, , 2019