АНАЛИЗ ФУНКЦИОНАЛЬНОЙ ПОЛНОТЫ СИСТЕМ ОНЛАЙН-ОБУЧЕНИЯ

Главная

Статья в Elpub

РУС ENG

Вектор науки Тольяттинского государственного университета. Серия: Экономика и управление. 2020; : 56-64

АНАЛИЗ ФУНКЦИОНАЛЬНОЙ ПОЛНОТЫ СИСТЕМ ОНЛАЙН-ОБУЧЕНИЯ

Шкодина Т. А.

https://doi.org/10.18323/2221-5689-2020-4-56-64

Аннотация

В настоящее время существует большое количество систем, поддерживающих процессы управления онлайн-обучением. Однако самостоятельно подобрать систему управления онлайн-обучением довольно трудно. В работе рассматривается комплексная методика оценки, основанная на использовании разработанного алгоритма сравнения и алгоритма оптимального выбора сложных систем управления онлайн-обучением по критерию функциональной полноты. Показано, насколько выбранные для сравнения системы управления онлайн-обучением обладают сходством или различиями по критерию функциональной полноты. Проанализировано, присутствуют ли среди них наиболее типичные системы онлайн-обучения, какими дополнительными функциями обладает каждая из сравниваемых систем. Показано, как можно оценить, насколько функциональная полнота той или иной системы соответствует требованиям пользователя. Разработанный алгоритм сравнения позволяет сгруппировать особенности рассматриваемых сложных систем управления онлайн-обучением и сведения о них и выделить наиболее значимые функции или группы функций. Определена степень поглощения одной сложной системы относительно другой. Произведено ранжирование рассматриваемых систем управления онлайн-обучением по критерию функциональной полноты. С целью выявления системы, превосходящей остальные, и установления наличия уникальных функций выполнено построение графов подобия, поглощения и превосходства рассматриваемых систем с вариацией пороговых значений. Данный метод позволяет оценить и выбрать такие системы управления онлайн-обучением, которые максимально соответствуют предъявляемым программным требованиям, и на основе полученных рекомендаций выбрать наиболее подходящий вариант системы управления онлайн-обучением с учетом предпочтений пользователя.

Список литературы

1. Shpolianskaya I., Seredkina T. Intelligent Support System for Personalized Online Learning // BRAIN-Broad Research in Artificial Intelligence and Neuroscience. 2020. Vol. 11. № 3. P. 29-35.

2. Лямин А.В. Формирование индивидуальных траекторий обучения на основе анализа достижений и функционального состояния обучающегося // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 3. С. 543-553.

3. Gulzar Z., Raj L.A., Leema A.A. Ontology Supported Hybrid Recommender System With Threshold Based Nearest Neighbourhood Approach // International Journal of Information and Communication Technology Education. 2019. Vol. 15. № 2. P. 85-107.

4. Dascalu M.I., Bodea C.N., Mihailescu M.N., Tanase E.A., Pablos P.O.D. Educational recommender systems and their application in lifelong learning // Behaviour& Information Technology. 2016. Vol. 35. № 4. P. 290-297.

5. Croitoru M., Dinu C. A Critical Analysis of Learning Management Systems in Higher Education Economy Informatics // Economy Informatics. 2016. Vol. 16. P. 1-10.

6. Назарчук Ю.И. Онлайн-обучение как альтернатива классическому обучению // Научный журнал современные лингвистические и методико-дидактические исследования.2019. № 2. С. 83-92.

7. Нагаева И.А. Смешанное обучение в современном образовательном процессе: необходимость и возможности // Отечественная и зарубежная педагогика. 2016. № 6. С. 56-67.

8. Drachsler H., Verbert K., Santos O.C., Manouselis N. Panorama of Recommender Systems to Support Learning // Recommender Systems Handbook. New York: Springer, 2015. P. 421-451.

9. Yaghmaie M., Bahreininejad A. A context-aware adaptive learning system using agents // Expert Systems with Applications. 2011. Vol. 38. № 4. P. 3280-3286.

10. Salahli M.A., Ozdemir M., Yasar C. Building a Fuzzy Knowledge Management System for Personalized E-learning // 4th world conference on educational sciences (WCES-2012): procedia - social and Behavioral Sciences. 2012. Vol. 46. P. 1978-1982.

11. Cybulski J.L., Linden T. Learning systems design with UML and patterns // IEEE Transactions on Education. 2000. Vol. 43. № 4. P. 372-376.

12. Yilmaz O., Tunçalp K. A Mixed Learning Approach in Mechatronics Education // IEEE Transactions on Education. 2011. Vol. 54. № 2. P. 294-301.

13. Rodriguez D., Sicilia M.A., Cuadrado-Gallego J.J., Pfahl D. E-Learning in Project Management Using Simulation Models: A Case Study Based on the Replication of an Experiment // IEEE Transactions on Education. 2006. Vol. 49. № 4. P. 451-463.

14. Cavus N. The evaluation of Learning Management Systems using an artificial intelligence fuzzy logic algorithm // Advances in Engineering Software. 2010. Vol. 41. № 2. P. 248-254.

15. O’Donnell E., Lawless S., Sharp M., Wade V.P. A Review of Personalised E-Learning // International Journal of Distance Education Technologies. 2015. Vol. 13. № 1. P. 22-47.

16. Wang J., Sharman R., Ramesh R. Shared Content Management in Replicated Web Systems: A Design Framework Using Problem Decomposition, Controlled Simulation, and Feedback Learning // IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews. 2016. Vol. 38. № 1. P. 110-124.

17. Palacios-Marqués D., Cortés-Grao R., Carral C.L. Outstanding knowledge competences and web 2.0 practices for developing successful e-learning project management // International Journal of Project Management. 2013. Vol. 31. № 1. P. 14-21.

18. Хубаев Г. Сравнение сложных программных систем по критерию функциональной полноты // Программные продукты и системы. 1998. № 2. С.6-9.

19. Kritikou Y., Demestichas P., Adamopoulou E., Demestichas K., Theologou M., Paradia M. User Profile Modeling in the context of web-based learning management systems // Journal of Network and Computer Applications. 2008. Vol. 31. № 4. P. 603-627.

20. Глушенко С.А. Анализ функциональной полноты программных систем управления рисками // Вестник Ростовского государственного экономического университета. 2012. № 2. С. 53-62.

Science Vector of Togliatti State University. Series: Economics and Management. 2020; : 56-64

THE ANALYSIS OF FUNCTIONAL COMPLETENESS OF THE ONLINE LEARNING SYSTEMS

Shkodina T. A.

https://doi.org/10.18323/2221-5689-2020-4-56-64

Abstract

Currently, there are many online learning systems, which support online learning management processes. However, it is rather hard to choose an e-learning management system on your own. The paper considers a comprehensive assessment method based on the use of the developed comparison algorithm and the algorithm for the optimal choice of complex e-learning management systems according to the functional completeness criterion. The study shows to what extent the e-learning management systems selected for comparison have similarities or differences in terms of functional completeness. The author analyzed whether they contain the most typical e-learning systems and what additional functions each of the compared systems has. The paper shows how it is possible to assess how the functional completeness of a particular system meets the user’s requirements. The developed comparison algorithm allows grouping the features of the considered complex e-learning management systems and highlighting the most significant functions or groups of functions. The study determined the degree of absorption of one complex system over another. The author carried out the ranking of the considered e-learning management systems according to the functional completeness criterion. To identify the system that is superior to the others and to determine the presence of the unique functions, the author constructed the graphs of similarity, absorption, and superiority of the considered systems with varying threshold values. This method allows evaluating and selecting such e-learning management systems that best meet the software requirements and, based on the recommendations received, choosing the most appropriate version of the online-learning management system, taking into account the user’s preferences.

References

1. Shpolianskaya I., Seredkina T. Intelligent Support System for Personalized Online Learning // BRAIN-Broad Research in Artificial Intelligence and Neuroscience. 2020. Vol. 11. № 3. P. 29-35.

2. Lyamin A.V. Formirovanie individual'nykh traektorii obucheniya na osnove analiza dostizhenii i funktsional'nogo sostoyaniya obuchayushchegosya // Nauchno-tekhnicheskii vestnik informatsionnykh tekhnologii, mekhaniki i optiki. 2018. T. 18. № 3. S. 543-553.

5. Croitoru M., Dinu C. A Critical Analysis of Learning Management Systems in Higher Education Economy Informatics // Economy Informatics. 2016. Vol. 16. P. 1-10.

6. Nazarchuk Yu.I. Onlain-obuchenie kak al'ternativa klassicheskomu obucheniyu // Nauchnyi zhurnal sovremennye lingvisticheskie i metodiko-didakticheskie issledovaniya.2019. № 2. S. 83-92.

7. Nagaeva I.A. Smeshannoe obuchenie v sovremennom obrazovatel'nom protsesse: neobkhodimost' i vozmozhnosti // Otechestvennaya i zarubezhnaya pedagogika. 2016. № 6. S. 56-67.

8. Drachsler H., Verbert K., Santos O.C., Manouselis N. Panorama of Recommender Systems to Support Learning // Recommender Systems Handbook. New York: Springer, 2015. P. 421-451.

9. Yaghmaie M., Bahreininejad A. A context-aware adaptive learning system using agents // Expert Systems with Applications. 2011. Vol. 38. № 4. P. 3280-3286.

11. Cybulski J.L., Linden T. Learning systems design with UML and patterns // IEEE Transactions on Education. 2000. Vol. 43. № 4. P. 372-376.

12. Yilmaz O., Tunçalp K. A Mixed Learning Approach in Mechatronics Education // IEEE Transactions on Education. 2011. Vol. 54. № 2. P. 294-301.

14. Cavus N. The evaluation of Learning Management Systems using an artificial intelligence fuzzy logic algorithm // Advances in Engineering Software. 2010. Vol. 41. № 2. P. 248-254.

15. O’Donnell E., Lawless S., Sharp M., Wade V.P. A Review of Personalised E-Learning // International Journal of Distance Education Technologies. 2015. Vol. 13. № 1. P. 22-47.

18. Khubaev G. Sravnenie slozhnykh programmnykh sistem po kriteriyu funktsional'noi polnoty // Programmnye produkty i sistemy. 1998. № 2. S.6-9.

20. Glushenko S.A. Analiz funktsional'noi polnoty programmnykh sistem upravleniya riskami // Vestnik Rostovskogo gosudarstvennogo ekonomicheskogo universiteta. 2012. № 2. S. 53-62.

АНАЛИЗ ФУНКЦИОНАЛЬНОЙ ПОЛНОТЫ СИСТЕМ ОНЛАЙН-ОБУЧЕНИЯ

Аннотация

THE ANALYSIS OF FUNCTIONAL COMPLETENESS OF THE ONLINE LEARNING SYSTEMS

Abstract

События