Model referencyjny systemu informacyjnego monitorowania procesu

Model referencyjny
systemu informacyjnego monitorowania
procesu nabywania kompetencji
AUTOREFERAT ROZPRAWY DOKTORSKIEJ
mgr inż. Magdalena Malinowska
Promotor:
dr hab. Emma Kusztina
Recenzenci:
dr hab. n.t. Bożena Śmiałkowska
Wydział Informatyki
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
prof. dr inż. Jerzy Sołdek
Wydział Inżynieryjno-Ekonomiczny Transportu
Akademia Morska
Szczecin, 2013
Spis treści
1
Aktualność problemu badawczego .............................................................................. 3
2
Przedmiot badań ........................................................................................................... 3
3
Metody naukowe stosowane podczas wykonywania badań ........................................ 4
4
Główny cel rozprawy ................................................................................................... 4
5
Zadania do rozwiązania................................................................................................ 4
6
Wartość teoretyczna ..................................................................................................... 4
7
Wartość praktyczna ...................................................................................................... 5
8
Akceptacja wyników przez społeczność naukową ...................................................... 5
9
Główne osiągnięcia pracy ............................................................................................ 5
10
Skrótowa prezentacja struktury i układu pracy ............................................................ 6
11
Zawartość pracy ........................................................................................................... 6
11.1
Model referencyjny systemu informacyjnego monitorowania procesu nabywania
kompetencji .............................................................................................................................. 7
11.1.1
Analiza systemowa procesu dydaktycznego uczelni........................................................ 7
11.1.2
Interpretacja realizacji procesu dydaktycznego w terminach informatyki ....................... 7
11.1.3
Opracowanie cząstkowych modeli systemu informacyjnego monitorowania procesu
nabywania kompetencji .................................................................................................... 9
11.1.4
Synteza cząstkowych modeli do postaci modelu referencyjnego systemu
informacyjnego monitorowania procesu nabywania kompetencji. ................................ 16
11.2
Zastosowanie modelu referencyjnego w informatycznym systemie wspomagania procesu
kształcenia .............................................................................................................................. 22
12
Zakończenie ............................................................................................................... 25
13
Spis publikacji ............................................................................................................ 26
2
1
Aktualność problemu badawczego
Analiza systemowa przebiegu procesu dydaktycznego1 wskazuje, iż jego
organizowanie, przebieg i osiągane rezultaty zależą w dużej mierze od zachowania się,
motywacji i predyspozycji ludzi. W procesie tym kluczowym zadaniem staje się opis,
monitorowanie i nabywanie kompetencji, które w obliczu wymagań Europejskich i
Krajowych Ram Kwalifikacji (ERK – Europejskie Ramy Kwalifikacji2, KRK – Krajowe
Ramy Kwalifikacji3) uznane są za efekty kształcenia.
Dostosowanie treści kształcenia w taki sposób, by pozwalały nabywać określone
kompetencje oraz monitorowanie procesu nabywania kompetencji dla celu zwiększenia jego
wydajności wymaga wsparcia, które zapewnić mógłby odpowiedni system informatyczny.
Opracowanie takiego systemu jest jednak problemem złożonym, a w przypadku procesów
zależnych od współdziałania ludzi wymaga w pierwszej kolejności zidentyfikowania systemu
informacyjnego, dzięki czemu za pomocą odpowiednich procedur i modeli, można będzie
przetwarzać informacje niezbędne dla prawidłowej pracy systemu i wskazać właściwości
powiązanych ze sobą składowych elementów. Taka identyfikacja stanowi podstawę do
formalizacji zachodzących w systemie procesów i jest niezbędna do opracowania struktury i
architektury systemu informatycznego
Do reprezentacji złożonych systemów działania wykorzystuje się metodykę
modelowania referencyjnego. Modele referencyjne służą do przedstawiania koncepcji i
realizacji systemów informacyjnych organizacji (obiektów) i stanowią obraz procesów w niej
zachodzących. Pozwalają określić strukturę systemu informacyjnego i dobrać narzędzia
informatyczne, automatyzujące procesy opisane tymi modelami. Ich zastosowanie umożliwia
tworzenie ram konstrukcyjnych i metodycznych dla tworzenia złożonych systemów
informatycznych, co potwierdza skala wykorzystania tej metodyki i zakres opracowanych
modeli referencyjnych4.
W opracowanym modelu referencyjnym przedstawienie i powiązanie ze sobą
składowych elementów systemu informacyjnego monitorowania procesu nabywania
kompetencji pozwala na określenie parametrów tego procesu i stanowi podstawę do
oddziaływania na jego przebieg w wyniku analizy wartości zidentyfikowanych parametrów.
Parametryzacja ta stanowi bazę dla monitorowania procesu nabywania kompetencji, a
następnie zarządzania nim na podstawie poczynionych obserwacji. Podstawą prowadzenia
monitorowania jest z jednej strony jednoznaczne zidentyfikowanie obiektu monitorowania –
kompetencji, a z drugiej analiza różnych wariantów przebiegu procesu nabywania
kompetencji.
2
Przedmiot badań
Przedmiotem badań jest opracowanie modelu referencyjnego systemu informacyjnego
monitorowania procesu nabywania kompetencji w procesie dydaktycznym uczelni. Model ten
może stać się podstawą do budowy odpowiedniego systemu informatycznego, który będzie
wspierał sterowanie przebiegiem procesu nabywania kompetencji w procesie dydaktycznym
uczelni. Zadanie opracowania systemu tej klasy jest niezwykle złożone z uwagi na
1
Proces kształcenia, proces nauczania-uczenia się
The European Qualifications Framework for Lifelong Learning. [Internet]. [cited 2012 marzec]. Available
from: http://ec.europa.eu/education/pub/pdf/general/eqf/leaflet_en.pdf.
3
Autonomia programowa uczelni. Ramy kwalifikacji dla szkolnictwa wyższego. [Internet]. [cited 2012 marzec].
Available from: http://www.nauka.gov.pl/fileadmin/user_upload/Finansowanie/fundusze_europejskie/PO_KL/
KRK/20101105_Ramy_kwalifikacji_dla_szk_wyzsz_165x235_int.pdf.
4
Fettke P, Loos P, Zwicker J. Business Process Reference Models: Survey and Classification. In: Kindler, E.,
Nuttgens, M. (eds.) Proceedings of the Workshop on Business Process Reference Models; 2005; Nancy, France.
2
3
konieczność znalezienia metody precyzyjnego określenia zestawu oraz struktury wiedzy,
która tworzy podstawę kompetencji i powiązania ze sobą treści kształcenia, określenia roli
technologii informatycznych w kształceniu zorientowanym na kompetencje, uwzględnienia
motywacji uczestników procesu kształcenia oraz wskazania zasad i możliwości
wykorzystania modelowania symulacyjnego podczas procesu nabywania kompetencji.
3
Metody naukowe stosowane podczas wykonywania badań
W ramach przeprowadzonych badań
następujących obszarów naukowych:
• modelowanie referencyjne systemów,
• analiza systemowa,
• inżynieria ontologii,
• sztuczna inteligencja,
• modelowanie symulacyjne,
• teoria systemów kolejkowych.
4
zastosowane zostały metody w ramach
Główny cel rozprawy
Celem pracy jest opracowanie modelu referencyjnego systemu informacyjnego
pozwalającego na prowadzenie eksperymentów dotyczących określenia parametrów procesu
nabywania umiejętności (kompetencji) w procesie dydaktycznym uczelni.
Hipoteza badawcza brzmi następująco: opracowany model referencyjny systemu
informacyjnego monitorowania procesu nabywania kompetencji oraz zaproponowana metoda
jego sprawdzenia oparta na modelowaniu symulacyjnym powoduje, że jest to rozwiązanie
kompletne, weryfikowalne i może stanowić podstawy do budowy odpowiedniego systemu
informatycznego.
5
Zadania do rozwiązania
Opracowanie modelu referencyjnego systemu informacyjnego monitorowania procesu
nabywania kompetencji wymaga:
a) znalezienia metody reprezentacji kompetencji (wiedzy teoretycznej, proceduralnej i
projektowej) w ramach wspólnego modelu wiedzy,
b) zidentyfikowania komponentów modelu wzajemnej współpracy uczestników procesu
kształcenia podczas nabywania kompetencji,
c) stworzenia możliwości prowadzenia eksperymentów symulacyjnych dotyczących
regulowania nakładów pracy uczestników procesu kształcenia podczas rozwoju
kompetencji,
d) zintegrowania wymienionych w pkt. a-c elementów do postaci modelu referencyjnego.
6
Wartość teoretyczna
Wartość teoretyczna rozprawy wynika z opracowania modelu referencyjnego na
potrzeby tworzenia systemu monitorowania procesu zorientowanego na nabywanie
kompetencji. Model ten jest konsekwencją identyfikacji procesu dydaktycznego w postaci
modelu ontologicznego wiedzy składającej się na kompetencje, modelu motywacji
4
charakteryzującego preferencje głównych ogniw procesu kształcenia (nauczyciela i ucznia)
oraz modelu symulacyjnego, który stanowi narzędzie analityczne dla potrzeb monitorowania
prawdopodobieństwa osiągnięcia postawionych celów kształcenia przy spodziewanych
ograniczeniach.
7
Wartość praktyczna
Wartość praktyczna rozprawy jest realizowana dzięki zastosowaniu dostępnych
narzędzi ontologii, które pozwalają w prosty sposób wizualizować zakres kompetencji oraz
interpretacji procesu obsługi studentów w terminach systemów kolejkowych, co jest podstawą
do wykorzystania dostępnych pakietów symulacyjnych w celu prowadzenia analiz
statystycznych dotyczących procesu kształcenia. Wykorzystanie tych metod ma na celu
podniesienie poziomu oddziaływania na proces dydaktyczny na poziomie operacyjnym i
stanowi wsparcie dla nowych wymagań stawianych przez system ERK i KRK.
8
Akceptacja wyników przez społeczność naukową
Rezultaty z prowadzonych badań zostały przez autorkę zaprezentowane na krajowych
i zagranicznych konferencjach naukowych:
• XII Konferencja "Uniwersytet Wirtualny: model, narzędzia, praktyka”, 2012;
• EUNIS Congress, 2010;
• X Konferencja "Uniwersytet Wirtualny: model, narzędzia, praktyka, 2010;
• ICCCI, Computational Collective Intelligence - Technologies and Applications, 2009;
• IX Konferencja "Uniwersytet Wirtualny: model, narzędzia, praktyka”, 2009;
• EUNIS Congress, 2008.
Wynikiem tych prelekcji jest szereg publikacji w ramach towarzyszących im
materiałów konferencyjnych i książek.
W bazie Web of Science została umieszczona i z niej cytowana praca prezentowana na
konferencji ICCCI 2009: Model of a collaboration environment for knowledge management
in competence based learning, Computational Collective Intelligence: Semantic Web, Social
Networks and Multiagent Systems, Lecture Notes in Artificial Intelligence 5796, Subseries of
Lecture Notes in Computer Science, Springer-Verlag, Heidelberg, pp.333-344 Przemysław
Różewski, Magdalena Ciszczyk.
•
•
•
•
•
9
Ponadto publikacje autorki zostały wydane w:
Studiach i materiałach Polskiego Stowarzyszenia Zarządzania Wiedzą, 2010;
Polish Journal of Environmental Studies, 2008;
Metodach informatyki stosowanej, 2007, 2006;
Materiałach konferencyjnych: Problemy sterowania bezpieczeństwem systemów
złożonych, 2009, 2008, 2007;
Materiałach konferencyjnych: Problemy regionalnego i miejskiego zarządzania, 2007.
Główne osiągnięcia pracy
W dysertacji osiągnięto następujące wyniki:
• identyfikacja systemu informacyjnego monitorowania
kompetencji w postaci modelu referencyjnego,
procesu
nabywania
5
•
•
•
•
trójwarstwowa struktura modelu referencyjnego, oparta na 3 submodelach: modelu
ontologicznym kompetencji, modelu motywacji podczas nabywania kompetencji oraz
modelu symulacji pozwalającym na usprawnienie procesu nabywania kompetencji
poprzez symulację jego przebiegu,
ontologiczna reprezentacja zakresu i struktury kompetencji,
wykorzystanie aparatu modelowania symulacyjnego jako narzędzia analizy
parametrów procesu kształcenia przy uwzględnieniu istniejących ograniczeń
czasowych i osobowych (komputerowe wspomaganie procesów nabywania
kompetencji),
wykorzystanie lingwistycznej bazy wiedzy na potrzeby odkrywania motywacji
studentów i ustalania wstępnych warunków symulacji.
10 Skrótowa prezentacja struktury i układu pracy
Rozprawa doktorska składa się ze wstępu, czterech rozdziałów, zakończenia,
bibliografii, spisu rysunków, tabel oraz kodów. Rozprawa doktorska liczy 131 stron, zawiera
53 rysunki i 15 tabel oraz 1 kod programu. Spis literatury pracy obejmuje 153 cytowane
pozycje literaturowe.
11 Zawartość pracy
We wstępie przedstawiono opis problemu badawczego, a także cel i hipotezę
naukową.
Rozdział 1, „Analiza wykorzystania modelowania referencyjnego systemów
informacyjnych”, przedstawia zakres zastosowań modelowania referencyjnego. Wskazano
rolę modeli referencyjnych jako mechanizmu wypełniającego lukę w zakresie formalizacji
systemów informacyjnych i stanowiącego podwalinę do budowy odpowiednich systemów
informatycznych.
Rozdział 2, „Informatyczne aspekty definiowania struktury kompetencji”, zawiera
przegląd stosowanych definicji kompetencji wraz ze wskazaniem tej, przyjętej dla
prowadzonych rozważań. Dodatkowo przedstawiono znaczenie kompetencji dla
współczesnych mechanizmów zarządzania zasobami ludzkimi oraz określono ich rolę
podczas prowadzenia procesu nauczania-uczenia się. W rozdziale scharakteryzowano rozwój
narzędzi inżynierii ontologii w celu ich wykorzystania do opisu wiedzy, będącej podstawą do
nabywania kompetencji.
Rozdział 3, „Środowisko informatyczne realizacji procesu nabywania kompetencji”,
prezentuje zakres funkcjonalności mechanizmu, na bazie którego prowadzone jest
monitorowanie i rozwój kompetencji. Wykazano, iż repozytorium, jako system wspierający
proces dydaktyczny, można wykorzystać do dystrybuowania porcji wiedzy składających się
na kompetencje, organizowania współpracy uczestników procesu nauczania podczas
nabywania kompetencji oraz regulowania zakresu nabytych kompetencji.
Rozdział 4, „Modelowanie referencyjne systemu informacyjnego monitorowania
procesu nabywania kompetencji” przedstawia założenia i model referencyjny systemu
informacyjnego monitorowania procesu nabywania kompetencji. Opisano poszczególne
komponenty proponowanego modelu oraz ich zależności funkcyjne. Ponadto przedstawiono
studium przypadku, w którym odzwierciedlono funkcjonowanie zaproponowanego modelu.
Zwieńczeniem pracy jest podsumowanie, w którym scharakteryzowano osiągnięte
wyniki oraz przedstawiono wkład w rozwój badań naukowych.
6
11.1 Model referencyjny systemu informacyjnego monitorowania procesu nabywania
kompetencji
Opracowanie modelu referencyjnego systemu informacyjnego monitorowania procesu
nabywania kompetencji zostało wykonane w oparciu o przyjętą procedurę badawczą.
Procedura ta składa się z 4 kroków:
1. Analiza systemowa procesu dydaktycznego uczelni
2. Interpretacja realizacji procesu dydaktycznego w terminach informatyki
3. Opracowanie cząstkowych modeli systemu informacyjnego monitorowania procesu
nabywania kompetencji:
a) model ontologiczny reprezentacji struktury i zakresu kompetencji,
b) model matematyczny współdziałania nauczyciel-uczeń (model motywacji),
c) model symulacyjnego realizacji procesu nabywania kompetencji z określonymi
efektami kształcenia.
4. Synteza cząstkowych modeli do postaci modelu referencyjnego systemu
informacyjnego monitorowania procesu nabywania kompetencji.
11.1.1 Analiza systemowa procesu dydaktycznego uczelni
Głównym celem przeprowadzonej analizy systemowej jest identyfikacja obiektu
badań, którym jest proces dydaktyczny realizowany w uczelni wyższej zorientowany na
nabywanie kompetencji. Identyfikacja ta pozwala określić nową rolę uczestników tego
procesu, wskazać na zachodzące pomiędzy nimi relacje oraz określić obszary i zadania, w
obrębie których można proces automatyzować.
Punktem wyjścia analizy systemowej jest tradycyjne ujęcie procesu kształcenia,
zdefiniowane na gruncie dydaktyki przez Okonia5. Wykonana przez Okonia analiza pozwala
wyróżnić 3 kluczowe płaszczyzny związane z realizacją i warunkujące bezpośredni przebieg
procesu kształcenia (rysunek 1):
• A – ustalenie treści i zakresu kształcenia,
• B – ustalenie zasad współdziałania podczas przebiegu kształcenia,
• C – analiza efektów kształcenia z uwzględnieniem poniesionych nakładów na ten cel.
Płaszczyzny te stały się podstawą do zastosowania komplementarnych instrumentów
informatyzacji i ich integracji w celu zamodelowania środowiska, w którym odbywa się
proces nabywania kompetencji i, którym dzięki monitorowaniu, można będzie zarządzać.
Jednocześnie wyróżnienie tych płaszczyzn wskazuje, iż mamy do czynienia z obiektem, który
jest złożonym systemem działania z niepełną i niepewną informacją i wymaga opracowania
odpowiedniego modelu ujmującego ten system jako całość.
11.1.2 Interpretacja realizacji procesu dydaktycznego w terminach informatyki
W zidentyfikowanych na rysunku 1 płaszczyznach przebiegu procesu dydaktycznego
dobrano metod, które pozwalają monitorować proces dydaktyczny w różnych aspektach – od
treści i zakresu kształcenia po warunki współdziałania nauczyciela i studenta, i na ich
podstawie wyciągać wnioski dotyczące kierunków zmian. Metody te stały się podstawą do
opracowania 3 submodeli: w pierwszej płaszczyźnie - modelu określania zakresu i treści
kompetencji opartego na metodyce ontologii, w drugiej płaszczyźnie – modelu współpracy
nauczyciel-uczeń na potrzeby rozwoju kompetencji w oparciu o motywację uczestników, w
5
Okoń W. Wprowadzenie do dydaktyki ogólnej. Warszawa: Wydawnictwo Żak; 1998.
7
trzeciej płaszczyźnie – modelu obsługi nabywania kompetencji interpretowanego jak system
kolejkowy. Integracja tych trzech modeli do postaci modelu referencyjnego systemu
informacyjnego monitorowania procesu nabywania kompetencji pozwala wskazać, jak
współpracują ze sobą te modele i jaki jest ich wpływ na całość procesu nabywania
kompetencji.
Rysunek 1. Obszary informatyzacji procesu dydaktycznego podczas nabywania kompetencji
(źródło: opracowanie własne)
Wykorzystując ontologię jako mechanizm reprezentacji zawartości kompetencji,
poprzez pojęcia i relacje między nimi można charakteryzować zakres wiedzy składający się
na kolejne porcje kompetencji. Reprezentacja kompetencji w postaci grafu jest opracowana
zgodnie z przyjętą w rozprawie definicją kompetencji, która traktuje kompetencje jako
umiejętność znalezienia efektywnego sposobu wykorzystania wiedzy teoretycznej do
8
rozwiązania zadania praktycznego oraz weryfikacji znalezionego rozwiązania6. Dodatkowo
graf ontologii można wykorzystać do wyodrębnienia luk kompetencyjnych wskazując te
wierzchołki, które należy rozwijać np. opracowując nowe materiały dydaktyczne.
Odpowiednie zasoby materiałów dydaktycznych, które są niezbędne dla procesu nabywania
kompetencji i są zgodne ze strukturą kompetencji można przechowywać w repozytorium
wiedzy. Zawartość repozytorium jest odzwierciedleniem przygotowanej ontologii, a sposób
poruszania się po grafie daje szansę monitorowania ścieżki nabywania kompetencji.
Uczestnicy procesu kształcenia, na podstawie tak przygotowanej struktury treści
kształcenia i materiałów dydaktycznych, mają określoną ścieżkę procesu nabywania
kompetencji. Ponadto przetwarzanie modeli ontologicznych w zestawieniu z zasobami
repozytorium jest podstawą do rozwoju kompetencji, w którym znaczącą rolę odgrywają
uczniowie. Rolą nauczyciela jest takie sformułowanie zadań dla studentów, by w
wyznaczonym na ten cel cyklu kształcenia mogli oni, na dostosowanym dla ich wiedzy i
umiejętności poziomie, nabyć kompetencje, a także uzupełnić repozytorium w nowy materiał
dydaktyczny.
Przyjęte warunki współpracy, oparte na motywacji uczestników, powinny być
kalkulowane z punktu widzenia istniejących ograniczeń np. czasowych, sprzętowych, itp.
Rozwiązaniem, które można wykorzystać na potrzeby obserwowania różnych wariantów
ułożenia pracy nauczyciela i uczniów jest symulacja, która poprzez wirtualne badania, daje
możliwość przekształcania rzeczywistości7. W procesie dydaktycznym, na podstawie
wykonanych eksperymentów symulacyjnych i uzyskanych wyników, dążyć można do
wprowadzania zmian w modelu współpracy pomiędzy nauczycielem i uczniami.
11.1.3 Opracowanie cząstkowych modeli systemu informacyjnego monitorowania
procesu nabywania kompetencji
Na podstawie przytoczonej w podrozdziale 11.1.2, kompetencję K można opisać jako
trójkę:
K={Wt,Wp,Wpr},
gdzie
Wt – wiedza teoretyczna,
Wp – wiedza proceduralna,
Wpr – wiedza projektowa.
Definicja ta jest podstawą opracowania grafu ontologii. Graf ontologii odzwierciedla
pogląd twórcy (nauczyciela) na realizację określonego przedmiotu, dla określonej
specjalności, w określonej dziedzinie. Graf ten można dzielić na określone porcje
kompetencji, czyli grupę pojęć połączonych ze sobą relacjami, które identyfikują
odpowiednią dla danej porcji wiedzę teoretyczną, proceduralną i projektową (rysunek 2).
Powstały graf staje się podstawą do zasilenia repozytorium w materiał dydaktyczny o
odpowiedniej zawartości wiedzy teoretycznej, proceduralnej i projektowej. Porcja
kompetencji jest zawsze spójnym podgrafem grafu ontologii, opracowanym dla każdego
przedmiotu (kursu).
Sporządzenie grafu ontologii jest wynikiem integracji dwóch elementów. Z jednej
strony jest to operacja mentalna człowieka, który z uwagi na dziedzinę przedmiotową i
charakter przedmiotu decyduje o zależnościach znaczeniowych między pojęciami oraz o
6
Tadeusiewicz, R; Choraś, R S; Rudowski, R (eds.). Leksykon haseł związanych z e-nauczaniem. Łódź:
Wydawnictwo Wyższej Szkoły Humanistyczno-Ekonomicznej; 2007. p. 16.
7
Kelton WD, Sadowski RP, Sadowski DA. Simulation with Arena. Boston : McGraw Hill; 2002.
9
hierarchii pojęć. Z drugiej strony przygotowanie grafu „potrzebuje” realizacji w środowisku
informatycznym. W tym celu wykorzystać można dostępne narzędzia, np. Protege.
Logika
matematyczna
Wiedza
teoretyczna
Aksjo
maty
Wiedza
procedralna
...
Wiedza
projektowa
...
Racunek
zdań
...
Metody
rezolucji
...
System
ekspertowy
Prolog
Porcja kompetencji „system
ekspertowy”
Porcja kompetencji „Prolog”
Rysunek 2. Schemat grafu kompetencji8
Przygotowany graf, zawierający zestaw pojęć i relacji między nimi, ma strukturę
drzewiastą. Węzły odpowiadają trzem typom wiedzy. Rozwój ontologii odbywa się na bazie
dodawania nowej klasy pojęć w grafie lub też pojedynczych egzemplarzy. Węzłom przypisuje
się odpowiedni materiał dydaktyczny. Analiza zawartości materiałów dydaktycznych
przypisanych wierzchołkom grafu i umieszczonych w repozytorium jest bazą do rozwoju
kompetencji. Rozwój repozytorium odbywa się nie tylko na podstawie materiałów
nauczyciela, ale także w oparciu o zadania studentów. Z punktu widzenia studenta,
umieszczone w repozytorium zadania mogą być podstawą do rozwoju e-portfolio studenta9 i
kształtowania personalizowanej ścieżki rozwoju zawodowego. Z kolei pozycja nauczyciela i
nastawienie na nowy model kształcenia oparty na kompetencjach wymaga, by ucznia włączyć
w proces twórczy rozwoju repozytorium.
Przygotowanie modelu współdziałania uczestników procesu dydaktycznego stanowi
próbę formalizacji zadania postawionego werbalnie i na ma celu wykazanie złożoności tego
zadania. Model ten, z uwagi na kluczową rolę opisu zachowań uczestników procesu
kształcenia i ich motywacji, zwany jest dalej modelem motywacji.
Zadaniem modelu motywacji jest identyfikacja preferencji uczestników procesu
kształcenia i ustalenie warunków współdziałania, które mają doprowadzić do rozwoju
repozytorium i wzrostu kompetencji uczących się. Motywacja zakłada zatem istnienie takiego
scenariusza oddziaływania pomiędzy studentem a nauczycielem, w którym rośnie
zaangażowanie studenta w trakcie realizacji zadań oraz następuje rozszerzenie repozytorium
np. o nowe zadania.
8
Malinowska M, Kusztina E, Zaikin O. Model sieci produkcyjnej dla zadań zarządzania wiedzą. [Internet].
2012. Available from: http://www.eduakcja.eu/.
9
Cambridge D. Layering Networked and Symphonic Selves: A Critical Role for ePortfolios in Employability
through Integrative Learning. Campus-Wide Information Systems. 2008;24(4):244-262.
10
Struktura modelu motywacji podczas nabywania kompetencji wymaga
scharakteryzowania i wzięcia pod uwagę:
• opisu sytuacji edukacyjnej – wyrażonego przygotowanym grafem ontologii i
pierwotnym stanem repozytorium,
• funkcji motywacji nauczyciela – definiującej preferencje nauczyciela,
• funkcji motywacji studenta – określającej preferencje studenta,
• celowej funkcji wykorzystania repozytorium – czyli celowej funkcji wyboru zadania z
repozytorium, będącej konsekwencją określonej motywacji i planowanego rozwoju
kompetencji.
Formalny opis sytuacji edukacyjnej uwzględniającej motywacje uczestników, budowy
systemu monitorowania procesu nabywania kompetencji, przedstawia się następująco:
1. sytuacja edukacyjna
a) uczestnicy procesu nauczania-uczenia się:
N – nauczyciel (prowadzący przedmiot, dysponent repozytorium przedmiotu),
Ul - uczeń, gdzie
l=1,…,l* - indeks studenta,
π (U ) = {χ , λ} - stochastyczny proces przybycia studentów,
(11.1.3—1)
gdzie
π - proces przybycia,
χ - rozkład,
λ - intensywność przybycia,
b) GD = (WD, SD) – graf ontologiczny przedmiotu nauczania,
(11.1.3—2)
gdzie
WD - wierzchołki grafu/koncepty/obiekty nauczania),
SD – krawędzie grafu (relacje pomiędzy konceptami),
c) R = {rik } - repozytorium zadań,
(11.1.3—3)
gdzie
i=1,…, i* - indeks zadania,
k = 1,…,k* – indeks kompetencji (porcji kompetencji),
d) Π (rik ) = {Q(rik ),A(ri k )} - parametry zadania rik ,
(11.1.3—4)
gdzie
Π - zbiór parametrów,
Q ( ri k ) - stopień złożoności zadania, który może być wyrażony w skali liczbowej (liczba
konceptów/obiektów ze zbioru WD , wchodzących w zadanie),
A ( ri k ) - aktualność zadania - charakterystyka zadania, wyznaczona przez nauczyciela, która
może być wyrażona w skali binarnej,
1, jesli zadanie rik jest aktualne dla nauczyciela w celu umieszczenia w repozytorium 
A(rik ) = 

 0, w przeciwnym przypadku

(11.1.3—5)
11
Aktualne, prawidłowo wykonane zadanie nauczyciel umieszcza w repozytorium zadań R;
2. struktura modelu motywacji (współpracy) uczestników procesu nauczania-uczenia się
a) funkcja motywacji nauczyciela:
_
σN (rik ) = FN ( H (rik ), X (rik )) ,
(11.1.3—6)
gdzie
FN - 2-argumentowa funkcja motywacji,
H ( rik ) - ilość punktów przydzielonych za prawidłowo wykonane zadanie rik ,
_
X (rik ) - zasoby czasowe wydzielone na wykonanie zadania rik , rozumiane jako czas
konsultacji (harmonogram konsultacji) wyznaczony dla danego zadania,
b) funkcja motywacji studenta (preferencji)
σU l ( rik ) = Fl (W (U l ), C ( rik ), P (U l )) ,
(11.1.3—7)
gdzie
Fl - 3-argumentowa funkcja motywacji,
W (U ) - wiedza bazowa (wstępna) studenta U ,
l
l
k
C ( ri ) - zasoby czasowe wykorzystane przez studenta na wykonanie zadania,
P(U l ) - stopień indywidualnego zainteresowania studenta w wykonaniu zadania (wewnętrzna
motywacja studenta),
c) sumaryczna funkcja motywacji studenta przy wyborze zadania:
_
∑(Ul , rik ) = σ (N, rik ) + σ (Ul , rik ) = FN (H(rik , X (rik )) + Fl (W(Ul ),C(rik ), P(Ul )),
(11.1.3—8)
gdzie
∑ - sumaryczna funkcja motywacji,
rik - zadanie ‘i’ składające się na porcję kompetencji ‘k’,
k - porcja kompetencji, k=1,…,k*,
3. model wyboru zadania przez studenta
Konsekwencją współpracy nauczyciela i studenta jest określone zachowanie studenta
przy wyborze i wykonaniu zadania.
Fakt wyboru zadania przez studenta możemy oznaczyć jako binarną funkcję:
1, jesli student Ul wybiera zadanie rik 
γ (U l , ri ) = 

 0, w przeciwnym przypadku

k
(11.1.3—9)
Dwa skrajne przypadki kształtowania się funkcji motywacji nauczyciela i studenta
można przedstawić biorąc pod uwagę pracę z grupą ambitnych (o wysokiej motywacji) i
nieambitnych studentów (o niskiej motywacji). Motywacja studenta, dla uproszczenia, może
12
zostać w obu przypadkach opisana pod postacią liniowej funkcji motywacji – rosnącej (dla
uczniów ambitnych) lub malejącej (dla uczniów nieambitnych). Kształt funkcji nauczyciela
zależy od tego, z jaką grupą studentów pracuje w danej chwili. Krzywa opisująca motywację
nauczyciela w ogólnym przypadku ma postać nieliniową. W przypadku studentów
nieambitnych funkcja motywacji nauczyciela jest funkcją rosnącą, gdyż istnieje potrzeba
ciągłego motywowania studentów do rozwijania kompetencji. W przeciwnym przypadku, gdy
studenci są ambitni i silnie zdeterminowani, by osiągnąć wysoki wynik, jest to funkcja
malejąca, gdyż z uwagi na istniejące ograniczenia np. czasowe, nauczyciel musi hamować
motywację studentów. Przykładowy rozkład funkcji motywacji nauczyciela i studenta
przedstawia rysunek 3.
∑(U l , rik )
Sumaryczna funkcja motywacji (funkcja zachowania) studenta
Funkcja motywacji nauczyciela σN(rik )
Funkcja motywacji studenta σU l (rik )
ri* : ∑(Ul , rik ) = max
Q (rik )
Rysunek 3. Kształt funkcji motywacji podczas realizacji procesu dydaktycznego z grupą ambitnych studentów
(źródło: opracowanie własne)
Natura funkcji celowej wskazuje, iż jest to funkcja nieliniowa. Kształt nieliniowości
wynika z reguł składania funkcji, w tym przypadku funkcji motywacji nauczyciela i studenta.
Obydwa składowe elementy celowej funkcji zależą od tego samego argumentu ri w sposób
przeciwstawny. Sumaryczna funkcja Φ(vil ) osiąga minimalną wartość przy dokonaniu
wyboru pewnego zadania r ∗ (*- optymalny poziom złożoności zadania).
i
Analiza funkcji motywacji nauczyciela i studentów, ich przebiegu, wskazuje, iż
zadanie znalezienia balansu pomiędzy tymi funkcjami nie może być interpretowane jako
klasyczne zadanie rozwiązania funkcji. Główną przyczyną takiego stanu jest fakt, iż w
przypadku współdziałania na gruncie procesu dydaktycznego mamy do czynienia z
zachowaniem człowieka, które może się zmieniać. Ponadto trudności powoduje proces
zbierania i uwzględniania statystyk z przebiegu procesu, gdyż mogą one nie przystawać do
rzeczywistości.
4. celowe funkcje modelu współpracy nauczyciela i studenta
a) celowa funkcja studenta
13
Celem studenta jest przyrost jego indywidualnych kompetencji w rezultacie
wykonania zadań, co zostaje odzwierciedlone w postaci punktów (ocen) za nabyte porcje
kompetencji. Stąd też celowa funkcja studenta może być wyrażona funkcjonałem:
Φ(U l ) = ∑ ∑ H (rik )γ (U l , rik ) = max ,
k
i
(11.1.3—10)
gdzie
Φ(Ul ) - wartość funkcji dla studenta Ul po zakończeniu wszystkich cykli nauczania
przedmiotu/kompetencji,
H (rik ) - suma punktów przydzielonych za prawidłowo wykonane zadanie rik ,
k=1,…,k* - indeks kompetencji (porcji kompetencji),
i=1,…,i* - indeks zadania,
l=1,…,l* - indeks studenta,
γ (ul , , ri k ) - binarna funkcja wyboru zadania,
∑ ∑ H (ri
k
k
i
)γ (U l , rik ) - sumaryczna ilość punktów otrzymanych przez studenta Ul po
wszystkich porcjach kompetencji (w ramach wszystkich porcji kompetencji),
b) celowa funkcja nauczyciela
Celem nauczyciela jest przyrost grupowej kompetencji, wyrażony liczbą nowych
zadań w repozytorium. Kryterium wyboru zadań wyznaczonych do umieszczenia w
repozytorium wynika z preferencji nauczyciela, które są wyznaczane przez niego na bieżąco
w ramach każdej porcji kompetencji k={1,…,k*} przez aktualność wykonanego zadania
A ( ri k ) . Stąd też celowa funkcja nauczyciela może być wyrażona funkcjonałem:
Φ( N ) = ∑
∑ ∑ γ (U , r
l
k
l
i
k
) A(ri k ) = max ,
i
(11.1.3—11)
gdzie
γ (U l , rik ) - fakt wyboru zadania przez studenta,
∑ ∑ ∑ γ (U , r
l
k
l
i
k
) A(ri k ) - ilość zadań umieszczonych w repozytorium w ramach wszystkich
i
porcji kompetencji k=1,…,k*, wykonanych przez wszystkich studentów l=1,……l*
Przedstawiony powyżej model analityczny jest modelem złożonym, z uwagi na fakt, iż
opisuje on preferencje człowieka i jego zachowanie w procesie dydaktycznym. Podstawy
matematyczne są niezbędne jednak do tego, by scharakteryzować naturę tego procesu oraz
zaproponować mechanizm wspierający analizę jego przebiegu.
Z punktu widzenia realizacji procesu dydaktycznego kluczowym zadaniem jest analiza
kolejki studentów, których musi obsłużyć nauczyciel oraz analiza istniejących ograniczeń
czasowych, które należy uwzględnić podczas pracy z grupą i zestawienie otrzymanych
wyników ze spodziewaną liczbą zadań mających zasilić repozytorium. Ograniczeniem dla
modelu jest sumaryczny czas konsultacji udzielony studentom przez nauczyciela, który nie
może przekroczyć łącznego ustalonego przez nauczyciela zasobu czasowego:
_
∑∑ ∑ X (ri )γ (Ul , ri ) ≤ TN ,
k l
k
k
i
(11.1.3—12)
gdzie
14
_
X (rik ) - zasoby czasowe wydzielone na wykonanie zadania rik rozumiane jako czas
konsultacji (harmonogram konsultacji) wyznaczony dla danego zadania, materiału,
TN - łączny zasób czasowy nauczyciela.
Identyfikacja motywacji nauczyciela i studentów, przy uwzględnieniu potrzeby
rozbudowy repozytorium, opisana w postaci modelu analitycznego, staje się podstawą do
przeprowadzenia eksperymentu symulacyjnego, którego celem jest znalezienie balansu
pomiędzy funkcjami motywacji. Analiza wykonanych eksperymentów symulacyjnych i
uzyskanych wyników jest podstawą do wprowadzania zmian w modelu współpracy pomiędzy
nauczycielem i uczniem i zmiany planu rozwoju kompetencji.
W celu oszacowania wstępnych parametrów symulacji np. przewidywanego czasu
obsługi studentów, poszukiwać należy dróg bardziej precyzyjnej identyfikacji motywacji
studentów, zwłaszcza na etapie rozpoczęcia pracy z nową grupą. Z tego powodu, w rozprawie
podjęto próbę wykorzystania lingwistycznej bazy wiedzy (LBW), na podstawie której
klasyfikuje się studentów pod kątem ich preferencji i przewiduje ich zaangażowanie w proces
dydaktyczny (rysunek 4). Informacja uzyskana na podstawie zaproponowanej metody
wskazuje m.in. czy grupa jest zainteresowana maksymalną oceną i rozwijaniem wraz z
nauczycielem zasobów repozytorium, jak duża jest liczba osób ze słabą motywacją, itp.
Rysunek 4. Miejsce narzędzia wspierającego proces identyfikacji motywacji studentów
(źródło: opracowanie własne)
Ogólny schemat modelu symulacji został przedstawiony na rysunku 5. Elementem
procesu jest zdarzenie, które może być interpretowane jako wpłynięcie pracy studenta do
oceny, czy też czas przydzielonych studentowi konsultacji na potrzeby nabywania
kompetencji. Charakter przybycia zdarzeń można opisać następująco:
• niezależne przybycie od siebie studentów (prac studentów),
• zdarzenia przychodzą pojedynczo,
• każde zdarzenie musi być obsłużone,
• przybycie zdarzenia nie zależy od przybycia innych zdarzeń.
15
Proces obsługi przewiduje 3 wyjścia z modelu – wy1 – liczba studentów, którzy nabyli
kompetencje i rozwinęli zasoby repozytorium, wy2 – liczba studentów, którzy nabyli
kompetencje, ale nie rozwinęli zasobów repozytorium, wy3 – liczba studentów, którzy nie
osiągnęli minimalnego poziomu kompetencji (skierowani do poprawki).
Rysunek 5. Ogólna postać modelu symulacji
(źródło: opracowanie własne)
Symulacja jest narzędziem, z którego bezpośrednio korzysta nauczyciel. Nauczyciel,
dzięki wynikom uzyskanych z eksperymentów prowadzonych na modelu symulacyjnym,
może zmienić strategię pracy ze studentami i dokonać modyfikacji swojej funkcji motywacji
np. poprzez zmianę stopnia trudności zadań stanowiących podstawę nabycia kompetencji.
Model symulacji pozwala ocenić różne warianty pracy nauczyciela, który musi brać pod
uwagę ograniczenia charakterystyczne dla sytuacji edukacyjnej (czas, rodzaj grupy
studentów, zaangażowanie studentów, itp.).
Dla celów zbierania statystyk i prowadzenia eksperymentów symulacyjnych proces
współpracy nauczyciela i studenta można interpretować jak system kolejkowy, w którym:
• przy określonej zawartości i porcjach materiałów dydaktycznych można założyć,
że praca nauczyciela polega na sprawdzeniu zadania;
• przy określonym kursie, czasie i grupie praca na stanowisku nauczyciela może być
potraktowana jak serwer z określonym wejściem, wyjściem, średnim czasem
oceniania;
• średni czas oceniania wynika z doświadczenia nauczyciela (specyfika każdego
kursu i przedmiotu, trudności zadań, typ grupy studentów, czas realizacji zajęć), a
jego określenie jest wspierane dodatkowo mechanizmem wydobywania motywacji
na podstawie lingwistycznej bazy wiedzy;
• strumień przepływu studentów jest stochastyczny (w wybranym odcinku czasu nie
ma pewności ilu studentów przyjdzie, nie wiadomo ilu zaliczy zadanie, nie
wiadomo czy nie dojdzie nowy student, itp.);
• studenci obsługiwani są na 1 serwerze. Przewiduje się możliwość kolejki,
charakteryzującej się określonym czasem i sposobem obsługi.
Interpretacja procesu współdziałania w terminach systemów kolejkowych pozwala na
etapie prowadzenia symulacji wykorzystać dostępne w notacji Kendalla sposoby
charakterystyki badanego zjawiska (np. M/M/1, M/G/1).
11.1.4 Synteza cząstkowych modeli do postaci modelu referencyjnego systemu
informacyjnego monitorowania procesu nabywania kompetencji.
Opracowane, składowe modele zaprezentowane w punkcie 11.1.3, charakteryzujące
wybrane zagadnienia przebiegu procesu dydaktycznego opartego na kompetencjach, muszą
zostać zintegrowane w jedną całość, by można było ten proces monitorować, modyfikować
16
zakres współpracy nauczyciela i studentów zgodnie z potrzebami i możliwościami
uczestników procesu kształcenia oraz analizować osiągnięte rezultaty. Z uwagi na złożoność
rozpatrywanego procesu, wykorzystanie metodyki modelowania referencyjnego i
opracowanie stosownego modelu pozwala na zobrazowanie jako całości przedmiotu
modelowania, którym jest proces dydaktyczny uczelni zorientowany na nabywanie
kompetencji (rysunek 6).
Proponowana synteza ma na celu ujęcie podstawowych elementów składających się na
realizację procesu dydaktycznego tak, by proces przetwarzania informacji wejściowych w
wyjściowe pozwolił odpowiedzieć na następujące pytania:
• jaka informacja jest potrzebna dla realizacji cyklu kształcenia,
• jaki jest sposób wykorzystania tej informacji w procesie,
• jakie są uwarunkowania pojawienia się sprzężeń zwrotnych,
• jak przebiega adaptacja procesu kształcenia w konkretnej sytuacji edukacyjnej.
Integracja pozwala dostrzec nowe zależności przyczynowo-skutkowe w realizacji
procesu nauczania-uczenia się oraz monitorować proces nabywania kompetencji w jego
różnych aspektach. Zasięg monitorowania podczas organizowania i realizacji procesu
dydaktycznego zorientowanego na nabywanie kompetencji dotyczy:
• monitorowania grafu ontologii – określanie czy ontologia pokrywa wymagania sytuacji
edukacyjnej (wystarczający zakres pojęć), analiza zawartości wierzchołków ontologii
pod kątem wymagań kompetencyjnych, określanie kierunków rozwoju (poprzez
dołożenie nowego wierzchołka, nowej relacji, rozwój zasobów w węźle),
• monitorowania „stanu” motywacji nauczyciela i uczniów – określenie przewidywanych
motywacji uczniów jako czynnika determinującego zachowanie w systemie (wybór
zadań), określanie motywacji nauczyciela dotyczącej planowanego rozwoju
repozytorium,
• monitorowanie różnych wariantów realizacji procesu dydaktycznego z punktu widzenia
powstałych ograniczeń np. czasowych – określenie wartości parametrów, które dla
określonej grupy studentów, w określonej sytuacji edukacyjnej, pozwolą zakończyć
cykl kształcenia z określonym poziomem kompetencji.
Dzięki takiej wielopłaszczyznowej obserwacji proces nabywania kompetencji jest
procesem zaplanowanym i zrealizowanym zgodnie z wymaganiami kompetencji, w oparciu o
odpowiednio dobrany model współpracy nauczyciel-student, który został oceniony w
kontekście „koszt-korzyść”.
Każdy z poszczególnych komponentów modelu referencyjnego systemu
informacyjnego monitorowania procesu nabywania kompetencji może zostać zweryfikowany.
W celu zwizualizowania zakresu kompetencji opracować można fragment ontologii dla
przedmiotu (rysunek 7). Ułożenie pojęć i relacji pozwala uchwycić hierarchię pojęć i wskazać
zależności nadrzędności i podrzędności między nimi. Przygotowana ontologia pozwala na
ustrukturyzowanie wiedzy oraz umożliwia rozpoznanie stanu posiadanych i nabywanych
kompetencji np. poprzez liczbę odwiedzonych węzłów. Ponadto sposób połączenia ze sobą
kolejnych węzłów nakreśla drogę nabywania porcji wiedzy składających się na kompetencje.
Korzystając z rozwiązań inżynierii ontologii można wykorzystać narzędzie Protege do
przedstawienia wybranego fragmentu ontologii w języku OWL, co w efekcie pozwala
przetwarzać i analizować powstały kod programu (np. czy wszystkie koncepty reprezentujące
wiedzę są przydzielone do klas: wiedza teoretyczna, proceduralna i projektowa). Powstały
graf w zestawieniu z zasobami repozytorium może być podstawą do ich rozwoju. Plan
rozwoju repozytorium będzie bezpośrednio odzwierciedlał motywację nauczyciela. Jednakże
dopiero w zestawieniu z analizą potencjału grupy studentów i przewidywanego czasu ich
obsługi funkcja ta będzie przybierała ostateczny kształt.
17
Rysunek 6. Model referencyjny systemu informacyjnego monitorowania procesu nabywania kompetencji
(źródło: opracowanie własne)
18
Rysunek 7. Przykładowy fragment grafu ontologii wykonany w Protege
(źródło: opracowanie własne)
Analiza motywacji studentów może być wykonana w drodze dedukcji - nauczyciel
korzystając z własnych, dotychczasowych doświadczeń z realizacji procesu dydaktycznego
przewiduje „siłę” grupy i chęć rozwoju w jego przedmiocie. Pragnąc stan motywacji określić
bardziej precyzyjnie nauczyciel może skorzystać z bazy wyników uzyskanych przez
studentów w innych przedmiotach. Droga ta jednak „tworzy obraz grupy” bez uwzględnienia
indywidualnego zainteresowania przedmiotem, nie uwzględnia stosunku uczniów do
wymagań nauczyciela, czy np. wpływu dostępu do materiałów dydaktycznych.
Stąd też proponuje się wykorzystanie lingwistycznej bazy wiedzy, jako mechanizmu,
na podstawie którego można będzie klasyfikować studentów pod kątem ich motywacji.
Rozwiązanie to, zaproponowane przez prof. A. Piegata10, pozwala na wydobywanie wiedzy
przy pomocy zmiennych lingwistycznych. Istotną cechą tego podejścia jest agregowanie
zmiennych. W ten sposób badane zagadnienie rozpatruje się z pominięciem trudności
związanych z wielowymiarowością modelu. Przykładowy model lingwistycznej bazy wiedzy,
dla potrzeb rozprawy przedstawia rysunek 8. Dobór zmiennych do określenia motywacji
oparty na propozycji twórcy rozprawy, przy uwzględnieniu i zinterpretowaniu zapisanej
matematycznie funkcji motywacji studenta (11.1.3—7). Przeprowadzenie analizy poziomu
motywacji wśród zadanej grupy studentów, pozwala „umieścić” każdego studenta w
przestrzeni trójwymiarowej rozkładu zmiennej określającej indywidualną motywację studenta
(rysunek 9). Informacja o rozkładzie jest podstawą do ustalania wartości parametrów w
modelu symulacyjnym, a w konsekwencji regulowania funkcji motywacji nauczyciela i
oddziaływania na studentów.
Do opracowania modelu symulacyjnego wykorzystać można pakiet Arena firmy
Rockwell Software. Środowisko to w elastyczny sposób pozwala badać wybrane parametry
sytuacji edukacyjnej np. kolejka na stanowisku nauczyciela lub prognozowany czas obsługi
wszystkich
studentów,
obciążenie
nauczyciela
przy
wybranym
rozkładzie
prawdopodobieństwa przybycia studentów, etc.
10
Piegat A. Materiały dydaktyczne z przedmiotu "Metody sztucznej inteligencji". 2009.
19
Rysunek 8. Struktura lingwistycznej bazy wiedzy na potrzeby identyfikowania motywacji studenta
(źródło: opracowanie własne)
Indywidualna
motywacja
studenta
o
staranie się o
wysoki stopień
z przedmiotu
16
14
12
10
8
30
6
20
4
2
0
10
5
Trudność zaliczenia
przedmiotu
10
15
20
25
30
Zainteresowanie
tematyką
przedmiotu
0
Rysunek 9.Przestrzeń indywidualnej motywacji studenta
(źródło: opracowanie własne)
20
Przykładowy schemat modelu symulacyjnego przedstawia rysunek 10. Czyni on ze
stanowiska nauczyciela serwer obsługujący studentów. Na opracowanym modelu można
założyć różne eksperymenty symulacyjne, odpowiednio model modyfikując lub/i sterując
jego parametrami.
Rysunek 10. Schemat modelu symulacyjnego pracy nauczyciela z grupą studentów wykonany w pakiecie Arena
(źródło: opracowanie własne)
Dokonując przygotowania symulacji nauczyciel musi podać wstępne warunki
realizacji procesu dydaktycznego, które chce sprawdzić z punktu widzenia przyjętej strategii i
istniejących ograniczeń (tabela 2). Wykonując eksperyment symulacyjny można uzyskać
informację m.in. o stanie kolejki na stanowisku nauczyciela, czy liczbie prac studentów, które
zostaną skierowane do określonych wyjść. Wartości te są istotne dla podjęcia decyzji o
kontynuacji przewidywanej strategii nauczyciela lub jej zmianie.
Tabela 1. Wstępne wartości parametrów modelu symulacyjnego (źródło: opracowanie własne)
Rozkład przybycia zadań (studentów)
Rozkład Poissona
Rozkład czasu obsługi studentów:
Trójkątny: minimalny-10min, najbardziej pożądany-15min,
maksymalny-30min
Liczba stanowisk obsługi:
1
Interwał czasu:
6dni
Czas przeznaczony na pracę ze studentami:
3h/1dzień
Czas na poprawienie zadania (opóźnienie):
1 dzień
Liczba studentów:
55
Prawdopodobieństwo udania się studentów do
jednego z wyjść:
zaliczenie - 70%, repozytorium - 15%, korekta - 15%;
Wyniki założonego eksperymentu przy określonym interwale czasu, rozkładzie
prawdopodobieństwa wyjść, rozkładzie obsługi studentów oraz planowanym czasie
sprawdzania zadań przedstawia rysunek 11. Wskazują one, iż na stanowisku nauczyciela
powstanie kolejka (9-ciu studentów), której nauczyciel nie zdąży obsłużyć w przewidzianym
czasie. Są to osoby, którym prawdopodobnie nie udało się nabyć minimalnie wymaganych
kompetencji. Wyniki symulacji są podstawą do reakcji nauczyciela, np. zmiany wymagań,
wydłużenia czasu pracy ze studentami. Testowanie różnych ustawień symulacji rozszerza
zakres pewności podejmowanych decyzji. Model symulacyjny, z uwagi na jego elastyczność,
21
może być rozbudowywany, modyfikowany i dostosowywany do charakteryzowanej sytuacji
edukacyjnej.
Nazwa licznika
ile wszystkich zadan sprawdza nauczyciel.licznik
laczna liczba zadan skierowanych do korekty.licznik
liczba zadan studentow na wejsciu. licznik
repozytorium.licznik
wyjscie z zaliczeniem.licznik
Osiągnięta wartość
58
12
55
7
39
Rysunek 11. Wyniki wstępnego eksperymentu symulacyjnego
(źródło: opracowanie własne)
11.2 Zastosowanie modelu referencyjnego w informatycznym systemie wspomagania
procesu kształcenia
Docelowym
rezultatem
opracowanego
modelu
referencyjnego
systemu
informacyjnego monitorowania procesu nabywania kompetencji jest budowa odpowiedniego
systemu informatycznego. W takim systemie charakter wzajemnego oddziaływania ontologii,
motywacji uczestników oraz symulacji można przedstawić w postaci algorytmu (rysunek 12),
w którym kolejne komponenty modelu referencyjnego są podstawą działania pętli nabywania
kompetencji.
Opracowany na bazie modelu referencyjnego system informatyczny może stanowić
bazę dla systemu wspomagania procesu kształcenia, którego efektem końcowym mają być
nabyte kompetencje (rysunek 13). Funkcjonowanie dwóch modułów tego systemu można
wesprzeć już istniejącymi narzędziami informatycznymi – Protege do celów przygotowania
ontologii przedmiotu/kursu oraz Areną na potrzeby prowadzenia eksperymentów
symulacyjnych. Dla wsparcia modułu motywacji można dodatkowo przygotować aplikację,
która na podstawie lingwistycznej bazy wiedzy pozwoli automatycznie analizować wyniki
motywacji studentów.
Dzięki trójwarstwowej strukturze systemu monitorowania istnieje możliwość
prowadzenia ukierunkowanej obserwacji przebiegu procesu dydaktycznego na różnych
płaszczyznach (od analizy treści kształcenia, poprzez analizę motywacji uczestników procesu
kształcenia, aż po analizę warunków osiągnięcia efektów kształcenia) i oddziaływania na jego
przebieg. W każdym z modułów można monitorować parametry, które mają wpływ na
podejmowane decyzje dotyczące realizacji procesu kształcenia, przy czym dopiero model
symulacji daje odpowiedź na pytanie dotyczące kosztów (czasowych, osobowych) realizacji
określonej strategii prowadzenia procesu nabywania kompetencji. Przykładowy zestaw
monitorowanych parametrów dla procesu nabywania kompetencji przedstawia rysunek 14.
Przetwarzanie informacji wejściowych w informacje wyjściowe w kolejnych modułach
22
pozwala dobrać satysfakcjonujący w danym momencie wariant realizacji procesu
dydaktycznego.
Rysunek 12. Algorytm działania modelu referencyjnego w informatycznym systemie monitorowania procesu
nabywania kompetencji
(źródło: opracowanie własne)
23
Rysunek 13. Wykorzystanie systemu informatycznego monitorowania procesu nabywania kompetencji
w systemie wspomagania procesu kształcenia
(źródło: opracowanie własne)
Rysunek 14. Przykładowy zestaw parametrów analizowanych podczas monitorowania procesu nabywania
kompetencji w modułach systemu
(źródło: opracowanie własne)
24
Zakres analizowanych parametrów charakteryzuje przebieg procesu dydaktycznego na
poziomie operacyjnym i z tego powodu opracowywany system informatyczny monitorowania
procesu nabywania kompetencji jest narzędziem dedykowanym dla wspierania pracy
nauczyciela, choć jego poszczególne elementy (model ontologiczny, model motywacji) mogą
być wykorzystane także przez studenta i uczelnię (tabela 3). Przetwarzanie informacji o
wartościach parametrów w każdym module powoduje, że proces nabywania kompetencji
można traktować kompleksowo i realizować przy uwzględnieniu wielu aspektów jego
funkcjonowania.
Tabela 2: Zakres wykorzystania komponentów systemu informatycznego dla nauczyciela, studenta i uczelni
(źródło: opracowanie własne)
użytkownik
Nauczyciel
Student
Uczelnia
komponent
Model
ontologiczny
Model motywacji
Model symulacji
− strukturyzacja treści
− wizualizacja
nauczania na potrzeby
ścieżek
nabywania
zarządzania kompetencjami
kompetencji
− analiza ścieżek nabywania
kompetencji
− analiza kierunków rozwoju
kompetencji
− „klasyfikacja” studentów
− rozpoznanie
stopnia
− sformułowanie własnej
własnej
funkcji motywacji przez
motywacji na
nauczyciela
tle motywacji
grupy
− analiza i dobór strategii
realizacji procesu
dydaktycznego na
podstawie parametrów
ilościowych (czas, kolejka
studentów)
− analiza
zgodności
treści
przedmiotu z
sylabusami
-
-
Zidentyfikowanie poszczególnych modułów systemu monitorowania to dopiero
pierwszy krok na drodze do budowy systemu wspomagania procesu kształcenia, który
pozwoli nie tylko śledzić parametry w poszczególnych płaszczyznach realizacji procesu
dydaktycznego, ale stanie się narzędziem doradczym na potrzeby zarządzania procesem
nabywania kompetencji.
12 Zakończenie
System informacyjny monitorowania procesu nabywania kompetencji jest systemem
złożonym ze względu na konieczność uwzględnienia wielu aspektów jego funkcjonowania:
celów kształcenia, motywacji uczestników procesu kształcenia, trudnej do sformalizowania
wiedzy. Z uwagi na tę złożoność, zadaniem niezwykle trudnym jest formalizacja takiego
systemu. W informatyce brakuje narzędzi projektowania tej klasy systemów, co stało się
podstawą do wykorzystania metodyki modelowania referencyjnego.
25
Opracowany model referencyjny systemu informacyjnego monitorowania procesu
nabywania kompetencji pozwala opisać i powiązać realizowane przez ten system funkcje i
zadania. Jest podstawą nie tylko do bieżącej oceny procesu nabywania kompetencji, ale
identyfikacji ewentualnych wariantów jego realizacji.
Każdy ze składowych elementów opracowanego modelu opisuje złożoną
rzeczywistość prowadzenia i monitorowania procesu dydaktycznego, którego wynikiem mają
być nabyte kompetencje. Bazę modelu stanowią 3 submodele - model ontologii kompetencji,
matematyczny model współpracy nauczyciel–student (model motywacji) oraz model
symulacji, których integracja tworzy ramy konstrukcyjne i metodyczne dla budowy systemu
informatycznego monitorowania procesu nabywania kompetencji.
Model referencyjny, jako wynik przeprowadzonej analizy systemowej stanowi główną
wartość dodaną pracy. Jest kompleksowym rozwiązaniem problemu monitorowania procesu
nabywania kompetencji, gdyż obejmuje swym zasięgiem płaszczyzny realizacji procesu
dydaktycznego wyodrębnione przez Okonia.
Perspektywy dalszych badań na tle osiągniętych wyników można ująć w dwóch
obszarach. Pierwszy dotyczy opracowania zautomatyzowanego systemu doradczego, który
pozwalałby nauczycielom nie tylko monitorować, ale również usprawniać i zarządzać
procesem nabywania kompetencji. Drugi nurt dotyczy opracowania podstaw
metodologicznych do budowy systemu informatycznego przekształcania sylabusów do
postaci ontologii. System taki może stać się podstawą do automatycznej analizy treści
kształcenia w różnych przedmiotach w kontekście nabywania kompetencji, w pełnym
procesie kształcenia np. na poziomie wyższym, studiach podyplomowych, itp.
13 Spis publikacji
1. 2013, Modeling the competence acquiring process in higher education institution,
IFAC MIM '2013, Magdalena Malinowska, Emma Kusztina, Oleg Zaikin, Lars
Reng, Lise Busk Kofoed, Andrzej Żyławski, accepted.
2. 2012, Model sieci produkcyjnej dla zadań zarządzania wiedzą, W: Magazyn edukacji
elektronicznej
„EduAkcja”,
No.
2(4),
p.80-88,
dostęp
on-line:
http://www.eduakcja.eu/. Magdalena Malinowska, Emma Kusztina, Oleg Zaikin.
3. 2010, Didactic process based on the repository system, EUNIS 2010, W: University
Information Systems. Selected Problems, Wydawnictwo Difin, Warszawa, pp.100112, Magdalena Ciszczyk, Katarzyna Sikora, Emma Kusztina, Oleg Zaikin, Ryszard
Tadeusiewicz.
4. 2010, Zapewnienie standardów kompetencji w procesie nauczania w warunkach ODL,
W: Materiały z X Konferencji i Warsztatów „Uniwersytet Wirtualny: Model,
Narzędzia i Praktyka”, Warszawa, (materiał na CD), Katarzyna Sikora, Magdalena
Ciszczyk, Przemysław Różewski, Emma Kusztina.
5. 2009, Model of a collaboration environment for knowledge management in
competence based learning, Computational Collective Intelligence: Semantic Web,
Social Networks and Multiagent Systems, Lecture Notes in Artificial Intelligence
5796, Subseries of Lecture Notes in Computer Science, Springer-Verlag, Heidelberg,
pp.333-344 Przemysław Różewski, Magdalena Ciszczyk.
6. 2009, Using a simulation model for the learning process management, Problemy
sterowania bezpieczeństwem systemów złożonych, Wydawnictwo Rosyjskiego
Państwowego Uniwersytetu Humanistycznego, Moskwa, Rosja, pp. 343-345,
Magdalena Ciszczyk.
7. 2009, Model systemu informatycznego wspierającego realizację procesu nauczania
opartego na kompetencjach w środowisku repozytorium wiedzy, Studia i materiały
26
Polskiego Stowarzyszenia Zarządzania Wiedzą, Nr 18, Ciechocinek, Polska, pp. 4552, Magdalena Ciszczyk, Emma Kusztina.
8. 2009, Definicje i standardy repozytorium wiedzy zbudowanego dla potrzeb
prowadzenia procesu nauczania, Studia i materiały Polskiego Stowarzyszenia
Zarządzania Wiedzą, Nr 18, Ciechocinek, Polska, pp. 53-60, Magdalena Ciszczyk,
Emma Kusztina, Przemysław Różewski.
9. 2008, Competence theory as a tool for integrating information systems in education,
Polish Journal of Environmental Studies, Vol.17, No. 3B, Polska, pp. 391-395,
Przemysław Różewski, Emma Kusztina, Magdalena Ciszczyk, Katarzyna Sikora.
10. 2008, ISO 9126 norm interpretation from the point of view of knowledge repository
quality in a network environment, Polish Journal of Environmental Studies, Vol.17,
No. 4C, pp. 482-486, Polska, Emma Kusztina, Magdalena Ciszczyk.
11. 2008, Quality factors for knowledge repository: based on e-Quality project, EUNIS
2008, Aarhus, Dania, dostęp on-line: http://eunis.dk/, Emma Kusztina, Oleg Zaikin,
Magdalena Ciszczyk, Ryszard Tadeusiewicz.
12. 2008, Ontology – a tool for competence modeling, Problemy sterowania
bezpieczeństwem systemów złożonych, Moskwa, Rosja, pp. 279-282, Magdalena
Ciszczyk, Katarzyna Sikora, Emma Kusztina.
13. 2008, The role of standardization in the process of forming quality of educational
repository in ODL, Metody Informatyki Stosowanej, Nr 4, 2008, Polska, pp. 45 – 52,
Magdalena Ciszczyk, Emma Kusztina.
14. 2007, Effectiveness and productivity in the competence management in educational
organization, Problemy regionalnego i miejskiego zarządzania, Moskwa, Rosja 2007,
pp. 30 – 33, Magdalena Ciszczyk.
15. 2007, Information system of didactic materials development, Problemy sterowania
bezpieczeństwem systemów złożonych, Moskwa, Rosja, pp. 310-313, Emma
Kusztina, Katarzyna Sikora, Magdalena Ciszczyk.
16. 2007, Struktura ontologii jako narzędzie opisu wiedzy dziedzinowej, Metody
informatyki stosowanej, Vol. 12, No. 2, Polska, pp. 73-88, Emma Kusztina,
Przemysław Różewski, Magdalena Ciszczyk, Katarzyna Sikora.
17. 2006, Human Resources Development Management in virtual organization, Problemy
sterowania bezpieczeństwem systemów złożonych, Moskwa, Rosja, pp. 400 – 403,
Magdalena Ciszczyk.
18. 2006, Problematyka procesu zarządzania kompetencjami, Metody informatyki
stosowanej, Nr 10, Polska, pp. 173 – 179, Magdalena Ciszczyk.
27